Buchumschlag

Morphing Tokens Draw Strong Masked Image Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Taekyung, Heo, Byeongho, Han, Dongyoon
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Masking meets Supervision: A Strong Learning Alliance
von: Heo, Byeongho, et al.
Veröffentlicht: (2023)

Learning with Unmasked Tokens Drives Stronger Vision Learners
von: Kim, Taekyung, et al.
Veröffentlicht: (2023)

Token Bottleneck: One Token to Remember Dynamics
von: Kim, Taekyung, et al.
Veröffentlicht: (2025)

SeiT++: Masked Token Modeling Improves Storage-efficient Training
von: Lee, Minhyun, et al.
Veröffentlicht: (2023)

Exploring Conditions for Diffusion models in Robotic Control
von: Shin, Heeseong, et al.
Veröffentlicht: (2025)

DenseNets Reloaded: Paradigm Shift Beyond ResNets and ViTs
von: Kim, Donghyun, et al.
Veröffentlicht: (2024)

MaskRIS: Semantic Distortion-aware Data Augmentation for Referring Image Segmentation
von: Lee, Minhyun, et al.
Veröffentlicht: (2024)

Match me if you can: Semi-Supervised Semantic Correspondence Learning with Unpaired Images
von: Kim, Jiwon, et al.
Veröffentlicht: (2023)

Rotary Position Embedding for Vision Transformer
von: Heo, Byeongho, et al.
Veröffentlicht: (2024)

DNNs May Determine Major Properties of Their Outputs Early, with Timing Possibly Driven by Bias
von: Park, Song, et al.
Veröffentlicht: (2025)

Leveraging Temporal Contextualization for Video Action Recognition
von: Kim, Minji, et al.
Veröffentlicht: (2024)

Learning to See What You Need: Gaze Attention for Multimodal Large Language Models
von: Song, Junha, et al.
Veröffentlicht: (2026)

HYPE: Hyperbolic Entailment Filtering for Underspecified Images and Texts
von: Kim, Wonjae, et al.
Veröffentlicht: (2024)

RL makes MLLMs see better than SFT
von: Song, Junha, et al.
Veröffentlicht: (2025)

Similarity of Neural Architectures using Adversarial Attack Transferability
von: Hwang, Jaehui, et al.
Veröffentlicht: (2022)

Aligned Novel View Image and Geometry Synthesis via Cross-modal Attention Instillation
von: Kwak, Min-Seop, et al.
Veröffentlicht: (2025)

Lipsum-FT: Robust Fine-Tuning of Zero-Shot Models Using Random Text Guidance
von: Nam, Giung, et al.
Veröffentlicht: (2024)

Scratching Visual Transformer's Back with Uniform Attention
von: Hyeon-Woo, Nam, et al.
Veröffentlicht: (2022)

Which Concepts to Forget and How to Refuse? Decomposing Concepts for Continual Unlearning in Large Vision-Language Models
von: Jin, Hyundong, et al.
Veröffentlicht: (2026)

Map the Flow: Revealing Hidden Pathways of Information in VideoLLMs
von: Kim, Minji, et al.
Veröffentlicht: (2025)

CogMorph: Cognitive Morphing Attacks for Text-to-Image Models
von: Jing, Zonglei, et al.
Veröffentlicht: (2025)

Improved Masked Image Generation with Knowledge-Augmented Token Representations
von: Liang, Guotao, et al.
Veröffentlicht: (2025)

FreeMorph: Tuning-Free Generalized Image Morphing with Diffusion Model
von: Cao, Yukang, et al.
Veröffentlicht: (2025)

Auto-Encoding Morph-Tokens for Multimodal LLM
von: Pan, Kaihang, et al.
Veröffentlicht: (2024)

Democratizing Text-to-Image Masked Generative Models with Compact Text-Aware One-Dimensional Tokens
von: Kim, Dongwon, et al.
Veröffentlicht: (2025)

Translation of Text Embedding via Delta Vector to Suppress Strongly Entangled Content in Text-to-Image Diffusion Models
von: Koh, Eunseo, et al.
Veröffentlicht: (2025)

Token Painter: Training-Free Text-Guided Image Inpainting via Mask Autoregressive Models
von: Jiang, Longtao, et al.
Veröffentlicht: (2025)

Computational Tradeoffs in Image Synthesis: Diffusion, Masked-Token, and Next-Token Prediction
von: Kilian, Maciej, et al.
Veröffentlicht: (2024)

DiffMorph: Text-less Image Morphing with Diffusion Models
von: Chatterjee, Shounak
Veröffentlicht: (2024)

HiMTok: Learning Hierarchical Mask Tokens for Image Segmentation with Large Multimodal Model
von: Wang, Tao, et al.
Veröffentlicht: (2025)

SeaCache: Spectral-Evolution-Aware Cache for Accelerating Diffusion Models
von: Chung, Jiwoo, et al.
Veröffentlicht: (2026)

Emerging Property of Masked Token for Effective Pre-training
von: Choi, Hyesong, et al.
Veröffentlicht: (2024)

A Simple Baseline with Single-encoder for Referring Image Segmentation
von: Yu, Seonghoon, et al.
Veröffentlicht: (2024)

Medical Referring Image Segmentation via Next-Token Mask Prediction
von: Chen, Xinyu, et al.
Veröffentlicht: (2025)

MDTv2: Masked Diffusion Transformer is a Strong Image Synthesizer
von: Gao, Shanghua, et al.
Veröffentlicht: (2023)

Unlocking the Capabilities of Masked Generative Models for Image Synthesis via Self-Guidance
von: Hur, Jiwan, et al.
Veröffentlicht: (2024)

CSF-Net: Context-Semantic Fusion Network for Large Mask Inpainting
von: Heo, Chae-Yeon, et al.
Veröffentlicht: (2025)

EraseDraw: Learning to Draw Step-by-Step via Erasing Objects from Images
von: Canberk, Alper, et al.
Veröffentlicht: (2024)

IMPUS: Image Morphing with Perceptually-Uniform Sampling Using Diffusion Models
von: Yang, Zhaoyuan, et al.
Veröffentlicht: (2023)

On the Feasibility of Creating Iris Periocular Morphed Images
von: Tapia, Juan E., et al.
Veröffentlicht: (2024)