Copertina

Explore In-Context Segmentation via Latent Diffusion Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wang, Chaoyang, Li, Xiangtai, Ding, Henghui, Qi, Lu, Zhang, Jiangning, Tong, Yunhai, Loy, Chen Change, Yan, Shuicheng
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

SemFlow: Binding Semantic Segmentation and Image Synthesis via Rectified Flow
di: Wang, Chaoyang, et al.
Pubblicazione: (2024)

Mamba or RWKV: Exploring High-Quality and High-Efficiency Segment Anything Model
di: Yuan, Haobo, et al.
Pubblicazione: (2024)

DST-Det: Simple Dynamic Self-Training for Open-Vocabulary Object Detection
di: Xu, Shilin, et al.
Pubblicazione: (2023)

OMG-Seg: Is One Model Good Enough For All Segmentation?
di: Li, Xiangtai, et al.
Pubblicazione: (2024)

Towards Language-Driven Video Inpainting via Multimodal Large Language Models
di: Wu, Jianzong, et al.
Pubblicazione: (2024)

Transformer-Based Visual Segmentation: A Survey
di: Li, Xiangtai, et al.
Pubblicazione: (2023)

One-Step Distillation of Discrete Diffusion Image Generators via Fixed-Point Iteration
di: Wang, Chaoyang, et al.
Pubblicazione: (2026)

Decouple and Track: Benchmarking and Improving Video Diffusion Transformers for Motion Transfer
di: Shi, Qingyu, et al.
Pubblicazione: (2025)

Conditional Panoramic Image Generation via Masked Autoregressive Modeling
di: Wang, Chaoyang, et al.
Pubblicazione: (2025)

Point Cloud Mamba: Point Cloud Learning via State Space Model
di: Zhang, Tao, et al.
Pubblicazione: (2024)

OMG-LLaVA: Bridging Image-level, Object-level, Pixel-level Reasoning and Understanding
di: Zhang, Tao, et al.
Pubblicazione: (2024)

Point-In-Context: Understanding Point Cloud via In-Context Learning
di: Liu, Mengyuan, et al.
Pubblicazione: (2024)

EdgeSAM: Prompt-In-the-Loop Distillation for SAM
di: Zhou, Chong, et al.
Pubblicazione: (2023)

Reason3D: Searching and Reasoning 3D Segmentation via Large Language Model
di: Huang, Kuan-Chih, et al.
Pubblicazione: (2024)

Open-Vocabulary SAM: Segment and Recognize Twenty-thousand Classes Interactively
di: Yuan, Haobo, et al.
Pubblicazione: (2024)

MosaicFusion: Diffusion Models as Data Augmenters for Large Vocabulary Instance Segmentation
di: Xie, Jiahao, et al.
Pubblicazione: (2023)

Are They the Same? Exploring Visual Correspondence Shortcomings of Multimodal LLMs
di: Zhou, Yikang, et al.
Pubblicazione: (2025)

MeViS: A Multi-Modal Dataset for Referring Motion Expression Video Segmentation
di: Ding, Henghui, et al.
Pubblicazione: (2025)

MVIP-NeRF: Multi-view 3D Inpainting on NeRF Scenes via Diffusion Prior
di: Chen, Honghua, et al.
Pubblicazione: (2024)

DVIS-DAQ: Improving Video Segmentation via Dynamic Anchor Queries
di: Zhou, Yikang, et al.
Pubblicazione: (2024)

DifFace: Blind Face Restoration with Diffused Error Contraction
di: Yue, Zongsheng, et al.
Pubblicazione: (2022)

Efficient Diffusion Model for Image Restoration by Residual Shifting
di: Yue, Zongsheng, et al.
Pubblicazione: (2024)

Arbitrary-steps Image Super-resolution via Diffusion Inversion
di: Yue, Zongsheng, et al.
Pubblicazione: (2024)

Generalizable Implicit Motion Modeling for Video Frame Interpolation
di: Guo, Zujin, et al.
Pubblicazione: (2024)

Muddit: Liberating Generation Beyond Text-to-Image with a Unified Discrete Diffusion Model
di: Shi, Qingyu, et al.
Pubblicazione: (2025)

MotionBooth: Motion-Aware Customized Text-to-Video Generation
di: Wu, Jianzong, et al.
Pubblicazione: (2024)

Omegance: A Single Parameter for Various Granularities in Diffusion-Based Synthesis
di: Hou, Xinyu, et al.
Pubblicazione: (2024)

DiffSensei: Bridging Multi-Modal LLMs and Diffusion Models for Customized Manga Generation
di: Wu, Jianzong, et al.
Pubblicazione: (2024)

CLIPSelf: Vision Transformer Distills Itself for Open-Vocabulary Dense Prediction
di: Wu, Size, et al.
Pubblicazione: (2023)

Guiding Visual Autoregressive Models through Spectrum Weakening
di: Wang, Chaoyang, et al.
Pubblicazione: (2025)

Towards Open Vocabulary Learning: A Survey
di: Wu, Jianzong, et al.
Pubblicazione: (2023)

Enhanced Generative Structure Prior for Chinese Text Image Super-resolution
di: Li, Xiaoming, et al.
Pubblicazione: (2025)

Kalman-Inspired Feature Propagation for Video Face Super-Resolution
di: Feng, Ruicheng, et al.
Pubblicazione: (2024)

AITTI: Learning Adaptive Inclusive Token for Text-to-Image Generation
di: Hou, Xinyu, et al.
Pubblicazione: (2024)

Rethinking Vector Field Learning for Generative Segmentation
di: Wang, Chaoyang, et al.
Pubblicazione: (2026)

DC-SAM: In-Context Segment Anything in Images and Videos via Dual Consistency
di: Qi, Mengshi, et al.
Pubblicazione: (2025)

MOWA: Multiple-in-One Image Warping Model
di: Liao, Kang, et al.
Pubblicazione: (2024)

LLAVADI: What Matters For Multimodal Large Language Models Distillation
di: Xu, Shilin, et al.
Pubblicazione: (2024)

Boosting Reasoning in Large Multimodal Models via Activation Replay
di: Xing, Yun, et al.
Pubblicazione: (2025)

Control Color: Multimodal Diffusion-based Interactive Image Colorization
di: Liang, Zhexin, et al.
Pubblicazione: (2024)