Buchumschlag

Investigating the Effectiveness of Cross-Attention to Unlock Zero-Shot Editing of Text-to-Video Diffusion Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Motamed, Saman, Van Gansbeke, Wouter, Van Gool, Luc
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Lego: Learning to Disentangle and Invert Personalized Concepts Beyond Object Appearance in Text-to-Image Diffusion Models
von: Motamed, Saman, et al.
Veröffentlicht: (2023)

A Simple Latent Diffusion Approach for Panoptic Segmentation and Mask Inpainting
von: Van Gansbeke, Wouter, et al.
Veröffentlicht: (2024)

TRAVL: A Recipe for Making Video-Language Models Better Judges of Physics Implausibility
von: Motamed, Saman, et al.
Veröffentlicht: (2025)

A Simple and Generalist Approach for Panoptic Segmentation
von: Prisadnikov, Nedyalko, et al.
Veröffentlicht: (2024)

VOID: Video Object and Interaction Deletion
von: Motamed, Saman, et al.
Veröffentlicht: (2026)

A Unified and Interpretable Emotion Representation and Expression Generation
von: Paskaleva, Reni, et al.
Veröffentlicht: (2024)

Cross-Domain Few-Shot Object Detection via Enhanced Open-Set Object Detector
von: Fu, Yuqian, et al.
Veröffentlicht: (2024)

Ground-A-Video: Zero-shot Grounded Video Editing using Text-to-image Diffusion Models
von: Jeong, Hyeonho, et al.
Veröffentlicht: (2023)

Stereo Risk: A Continuous Modeling Approach to Stereo Matching
von: Liu, Ce, et al.
Veröffentlicht: (2024)

Adversarial Dependence Minimization
von: De Plaen, Pierre-François, et al.
Veröffentlicht: (2025)

InseRF: Text-Driven Generative Object Insertion in Neural 3D Scenes
von: Shahbazi, Mohamad, et al.
Veröffentlicht: (2024)

Zero-Shot Video Restoration and Enhancement Using Pre-Trained Image Diffusion Model
von: Cao, Cong, et al.
Veröffentlicht: (2024)

Enhanced Multi-Scale Cross-Attention for Person Image Generation
von: Tang, Hao, et al.
Veröffentlicht: (2025)

DGFusion: Depth-Guided Sensor Fusion for Robust Semantic Perception
von: Broedermannn, Tim, et al.
Veröffentlicht: (2025)

FireScope: Wildfire Risk Raster Prediction with a Chain-of-Thought Oracle
von: Markov, Mario, et al.
Veröffentlicht: (2025)

B-GRTO: Bootstrapped Group Relative Tool Optimization for Referring Segmentation
von: Markov, Mario, et al.
Veröffentlicht: (2026)

Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing
von: Zaech, Jan-Nico, et al.
Veröffentlicht: (2023)

Exo2EgoSyn: Unlocking Foundation Video Generation Models for Exocentric-to-Egocentric Video Synthesis
von: Mahdi, Mohammad, et al.
Veröffentlicht: (2025)

OSMDA: OpenStreetMap-based Domain Adaptation for Remote Sensing VLMs
von: Ailuro, Stefan Maria, et al.
Veröffentlicht: (2026)

Zero-Shot Medical Phrase Grounding with Off-the-shelf Diffusion Models
von: Vilouras, Konstantinos, et al.
Veröffentlicht: (2024)

Shapley Pruning for Neural Network Compression
von: Adamczewski, Kamil, et al.
Veröffentlicht: (2024)

InTraGen: Trajectory-controlled Video Generation for Object Interactions
von: Liu, Zuhao, et al.
Veröffentlicht: (2024)

Human Pose Descriptions and Subject-Focused Attention for Improved Zero-Shot Transfer in Human-Centric Classification Tasks
von: Khan, Muhammad Saif Ullah, et al.
Veröffentlicht: (2024)

Unleashing Text-to-Image Diffusion Prior for Zero-Shot Image Captioning
von: Luo, Jianjie, et al.
Veröffentlicht: (2024)

Object-Centric Diffusion for Efficient Video Editing
von: Kahatapitiya, Kumara, et al.
Veröffentlicht: (2024)

Efficient Zero-Shot Inpainting with Decoupled Diffusion Guidance
von: Moufad, Badr, et al.
Veröffentlicht: (2025)

Unlocking the Potential of Text-to-Image Diffusion with PAC-Bayesian Theory
von: Jiang, Eric Hanchen, et al.
Veröffentlicht: (2024)

Unlocking Zero-Shot Geospatial Reasoning via Indirect Rewards
von: Xu, Chenhui, et al.
Veröffentlicht: (2025)

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

Unlearning Concepts from Text-to-Video Diffusion Models
von: Liu, Shiqi, et al.
Veröffentlicht: (2024)

Do generative video models understand physical principles?
von: Motamed, Saman, et al.
Veröffentlicht: (2025)

Attention Based Simple Primitives for Open World Compositional Zero-Shot Learning
von: Munir, Ans, et al.
Veröffentlicht: (2024)

Attend Locally, Remember Linearly: Linear Attention as Cross-Frame Memory for Autoregressive Video Diffusion
von: Li, Kunyang, et al.
Veröffentlicht: (2026)

Beyond Training: Dynamic Token Merging for Zero-Shot Video Understanding
von: Zhang, Yiming, et al.
Veröffentlicht: (2024)

Masked Extended Attention for Zero-Shot Virtual Try-On In The Wild
von: Orzech, Nadav, et al.
Veröffentlicht: (2024)

Editing Massive Concepts in Text-to-Image Diffusion Models
von: Xiong, Tianwei, et al.
Veröffentlicht: (2024)

RadZero: Similarity-Based Cross-Attention for Explainable Vision-Language Alignment in Chest X-ray with Zero-Shot Multi-Task Capability
von: Park, Jonggwon, et al.
Veröffentlicht: (2025)

ORIGEN: Zero-Shot 3D Orientation Grounding in Text-to-Image Generation
von: Min, Yunhong, et al.
Veröffentlicht: (2025)

Marigold-DC: Zero-Shot Monocular Depth Completion with Guided Diffusion
von: Viola, Massimiliano, et al.
Veröffentlicht: (2024)

Slicedit: Zero-Shot Video Editing With Text-to-Image Diffusion Models Using Spatio-Temporal Slices
von: Cohen, Nathaniel, et al.
Veröffentlicht: (2024)