Copertina

LaDiC: Are Diffusion Models Really Inferior to Autoregressive Counterparts for Image-to-Text Generation?

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wang, Yuchi, Ren, Shuhuai, Gao, Rundong, Yao, Linli, Guo, Qingyan, An, Kaikai, Bai, Jianhong, Sun, Xu
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Artificial Intelligence Computation and Language Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

RICO: Improving Accuracy and Completeness in Image Recaptioning via Visual Reconstruction
di: Wang, Yuchi, et al.
Pubblicazione: (2025)

TimeChat: A Time-sensitive Multimodal Large Language Model for Long Video Understanding
di: Ren, Shuhuai, et al.
Pubblicazione: (2023)

Next Block Prediction: Video Generation via Semi-Autoregressive Modeling
di: Ren, Shuhuai, et al.
Pubblicazione: (2025)

DiSA: Diffusion Step Annealing in Autoregressive Image Generation
di: Zhao, Qinyu, et al.
Pubblicazione: (2025)

Rethinking Semantic Parsing for Large Language Models: Enhancing LLM Performance with Semantic Hints
di: An, Kaikai, et al.
Pubblicazione: (2024)

Bridging Continuous and Discrete Tokens for Autoregressive Visual Generation
di: Wang, Yuqing, et al.
Pubblicazione: (2025)

InstructAvatar: Text-Guided Emotion and Motion Control for Avatar Generation
di: Wang, Yuchi, et al.
Pubblicazione: (2024)

DeCo: Decoupling Token Compression from Semantic Abstraction in Multimodal Large Language Models
di: Yao, Linli, et al.
Pubblicazione: (2024)

Parallelized Autoregressive Visual Generation
di: Wang, Yuqing, et al.
Pubblicazione: (2024)

Unifying Continuous and Discrete Text Diffusion with Non-simultaneous Diffusion Processes
di: Li, Bocheng, et al.
Pubblicazione: (2025)

VITATECS: A Diagnostic Dataset for Temporal Concept Understanding of Video-Language Models
di: Li, Shicheng, et al.
Pubblicazione: (2023)

LayoutDiT: Exploring Content-Graphic Balance in Layout Generation with Diffusion Transformer
di: Li, Yu, et al.
Pubblicazione: (2024)

Empowering Diffusion Models on the Embedding Space for Text Generation
di: Gao, Zhujin, et al.
Pubblicazione: (2022)

CoDi: Subject-Consistent and Pose-Diverse Text-to-Image Generation
di: Gao, Zhanxin, et al.
Pubblicazione: (2025)

TempCompass: Do Video LLMs Really Understand Videos?
di: Liu, Yuanxin, et al.
Pubblicazione: (2024)

Towards Multimodal Video Paragraph Captioning Models Robust to Missing Modality
di: Chen, Sishuo, et al.
Pubblicazione: (2024)

Diffusion Beats Autoregressive: An Evaluation of Compositional Generation in Text-to-Image Models
di: Marioriyad, Arash, et al.
Pubblicazione: (2024)

Unlocking the Power of GANs in Non-Autoregressive Text Generation
di: Ren, Da, et al.
Pubblicazione: (2023)

HQFNN: A Compact Quantum-Fuzzy Neural Network for Accurate Image Classification
di: Yao, Jianhong, et al.
Pubblicazione: (2025)

DiTAR: Diffusion Transformer Autoregressive Modeling for Speech Generation
di: Jia, Dongya, et al.
Pubblicazione: (2025)

Generation then Reconstruction: Accelerating Masked Autoregressive Models via Two-Stage Sampling
di: Yan, Feihong, et al.
Pubblicazione: (2025)

DiT-Air: Revisiting the Efficiency of Diffusion Model Architecture Design in Text to Image Generation
di: Chen, Chen, et al.
Pubblicazione: (2025)

JeDi: Joint-Image Diffusion Models for Finetuning-Free Personalized Text-to-Image Generation
di: Zeng, Yu, et al.
Pubblicazione: (2024)

Design Your Ad: Personalized Advertising Image and Text Generation with Unified Autoregressive Models
di: Xu, Yexing, et al.
Pubblicazione: (2026)

Differences in Text Generated by Diffusion and Autoregressive Language Models
di: Zhang, Zeyang, et al.
Pubblicazione: (2026)

Autoregressive Diffusion Transformer for Text-to-Speech Synthesis
di: Liu, Zhijun, et al.
Pubblicazione: (2024)

Autoregressive Model Beats Diffusion: Llama for Scalable Image Generation
di: Sun, Peize, et al.
Pubblicazione: (2024)

DiCoDe: Diffusion-Compressed Deep Tokens for Autoregressive Video Generation with Language Models
di: Li, Yizhuo, et al.
Pubblicazione: (2024)

ADP-DiT: Text-Guided Diffusion Transformer for Brain Image Generation in Alzheimer's Disease Progression
di: Lee, Juneyong, et al.
Pubblicazione: (2026)

MJ-Bench: Is Your Multimodal Reward Model Really a Good Judge for Text-to-Image Generation?
di: Chen, Zhaorun, et al.
Pubblicazione: (2024)

UniEdit: A Unified Tuning-Free Framework for Video Motion and Appearance Editing
di: Bai, Jianhong, et al.
Pubblicazione: (2024)

Autoregressive Styled Text Image Generation, but Make it Reliable
di: Zaccagnino, Carmine, et al.
Pubblicazione: (2025)

InsightTok: Improving Text and Face Fidelity in Discrete Tokenization for Autoregressive Image Generation
di: Yue, Yang, et al.
Pubblicazione: (2026)

DiSTAR: Diffusion over a Scalable Token Autoregressive Representation for Speech Generation
di: Song, Yakun, et al.
Pubblicazione: (2025)

Stabilize the Latent Space for Image Autoregressive Modeling: A Unified Perspective
di: Zhu, Yongxin, et al.
Pubblicazione: (2024)

UVE: Are MLLMs Unified Evaluators for AI-Generated Videos?
di: Liu, Yuanxin, et al.
Pubblicazione: (2025)

Orthus: Autoregressive Interleaved Image-Text Generation with Modality-Specific Heads
di: Kou, Siqi, et al.
Pubblicazione: (2024)

Video In-context Learning: Autoregressive Transformers are Zero-Shot Video Imitators
di: Zhang, Wentao, et al.
Pubblicazione: (2024)

PixelDiT: Pixel Diffusion Transformers for Image Generation
di: Yu, Yongsheng, et al.
Pubblicazione: (2025)

FocusDiT: Masking Queries in Diffusion Transformers for Fine-grained Image Generation
di: Fang, Xueji, et al.
Pubblicazione: (2026)