Image de couverture de livre

Snap Video: Scaled Spatiotemporal Transformers for Text-to-Video Synthesis

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Menapace, Willi, Siarohin, Aliaksandr, Skorokhodov, Ivan, Deyneka, Ekaterina, Chen, Tsai-Shien, Kag, Anil, Fang, Yuwei, Stoliar, Aleksei, Ricci, Elisa, Ren, Jian, Tulyakov, Sergey
Format:	Preprint
Publié:	2024
Sujets:	Computer Vision and Pattern Recognition Artificial Intelligence
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires

Hierarchical Patch Diffusion Models for High-Resolution Video Generation
par: Skorokhodov, Ivan, et autres
Publié: (2024)

DenseDPO: Fine-Grained Temporal Preference Optimization for Video Diffusion Models
par: Wu, Ziyi, et autres
Publié: (2025)

VIMI: Grounding Video Generation through Multi-modal Instruction
par: Fang, Yuwei, et autres
Publié: (2024)

H3AE: High Compression, High Speed, and High Quality AutoEncoder for Video Diffusion Models
par: Wu, Yushu, et autres
Publié: (2025)

Mind the Time: Temporally-Controlled Multi-Event Video Generation
par: Wu, Ziyi, et autres
Publié: (2024)

Dynamic Concepts Personalization from Single Videos
par: Abdal, Rameen, et autres
Publié: (2025)

Multi-subject Open-set Personalization in Video Generation
par: Chen, Tsai-Shien, et autres
Publié: (2025)

Panda-70M: Captioning 70M Videos with Multiple Cross-Modality Teachers
par: Chen, Tsai-Shien, et autres
Publié: (2024)

SF-V: Single Forward Video Generation Model
par: Zhang, Zhixing, et autres
Publié: (2024)

One Model, Many Budgets: Elastic Latent Interfaces for Diffusion Transformers
par: Haji-Ali, Moayed, et autres
Publié: (2026)

Taming Diffusion Transformer for Efficient Mobile Video Generation in Seconds
par: Wu, Yushu, et autres
Publié: (2025)

AC3D: Analyzing and Improving 3D Camera Control in Video Diffusion Transformers
par: Bahmani, Sherwin, et autres
Publié: (2024)

AsCAN: Asymmetric Convolution-Attention Networks for Efficient Recognition and Generation
par: Kag, Anil, et autres
Publié: (2024)

Promptable Game Models: Text-Guided Game Simulation via Masked Diffusion Models
par: Menapace, Willi, et autres
Publié: (2023)

AlphaFlow: Understanding and Improving MeanFlow Models
par: Zhang, Huijie, et autres
Publié: (2025)

AV-Link: Temporally-Aligned Diffusion Features for Cross-Modal Audio-Video Generation
par: Haji-Ali, Moayed, et autres
Publié: (2024)

Improving Progressive Generation with Decomposable Flow Matching
par: Haji-Ali, Moayed, et autres
Publié: (2025)

Can Text-to-Video Generation help Video-Language Alignment?
par: Zanella, Luca, et autres
Publié: (2025)

4Real-Video: Learning Generalizable Photo-Realistic 4D Video Diffusion
par: Wang, Chaoyang, et autres
Publié: (2024)

Improving the Diffusability of Autoencoders
par: Skorokhodov, Ivan, et autres
Publié: (2025)

Sprint: Sparse-Dense Residual Fusion for Efficient Diffusion Transformers
par: Park, Dogyun, et autres
Publié: (2025)

AlcheMinT: Fine-grained Temporal Control for Multi-Reference Consistent Video Generation
par: Girish, Sharath, et autres
Publié: (2025)

Omni-Attribute: Open-vocabulary Attribute Encoder for Visual Concept Personalization
par: Chen, Tsai-Shien, et autres
Publié: (2025)

4Real-Video-V2: Fused View-Time Attention and Feedforward Reconstruction for 4D Scene Generation
par: Wang, Chaoyang, et autres
Publié: (2025)

EgoEdit: Dataset, Real-Time Streaming Model, and Benchmark for Egocentric Video Editing
par: Li, Runjia, et autres
Publié: (2025)

Zero-Shot Dynamic Concept Personalization with Grid-Based LoRA
par: Abdal, Rameen, et autres
Publié: (2025)

VD3D: Taming Large Video Diffusion Transformers for 3D Camera Control
par: Bahmani, Sherwin, et autres
Publié: (2024)

VIA: Unified Spatiotemporal Video Adaptation Framework for Global and Local Video Editing
par: Gu, Jing, et autres
Publié: (2024)

Video Motion Transfer with Diffusion Transformers
par: Pondaven, Alexander, et autres
Publié: (2024)

4Real: Towards Photorealistic 4D Scene Generation via Video Diffusion Models
par: Yu, Heng, et autres
Publié: (2024)

EFlow: Fast Few-Step Video Generator Training from Scratch via Efficient Solution Flow
par: Park, Dogyun, et autres
Publié: (2026)

Diffusion Priors for Dynamic View Synthesis from Monocular Videos
par: Wang, Chaoyang, et autres
Publié: (2024)

S2DiT: Sandwich Diffusion Transformer for Mobile Streaming Video Generation
par: Zhao, Lin, et autres
Publié: (2026)

SnapGen-V: Generating a Five-Second Video within Five Seconds on a Mobile Device
par: Wu, Yushu, et autres
Publié: (2024)

HyperHuman: Hyper-Realistic Human Generation with Latent Structural Diffusion
par: Liu, Xian, et autres
Publié: (2023)

Taming Data and Transformers for Audio Generation
par: Haji-Ali, Moayed, et autres
Publié: (2024)

ActionParty: Multi-Subject Action Binding in Generative Video Games
par: Pondaven, Alexander, et autres
Publié: (2026)

Harnessing Large Language Models for Training-free Video Anomaly Detection
par: Zanella, Luca, et autres
Publié: (2024)

Scalable Ranked Preference Optimization for Text-to-Image Generation
par: Karthik, Shyamgopal, et autres
Publié: (2024)

Diffusion-DRF: Free, Rich, and Differentiable Reward for Video Diffusion Fine-Tuning
par: Wang, Yifan, et autres
Publié: (2026)