Buchumschlag

HOIN: High-Order Implicit Neural Representations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Yang, Wu, Ruituo, Liu, Yipeng, Zhu, Ce
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition Multimedia
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Long-tailed Medical Diagnosis with Relation-aware Representation Learning and Iterative Classifier Calibration
von: Pan, Li, et al.
Veröffentlicht: (2025)

Vision-Language Meets the Skeleton: Progressively Distillation with Cross-Modal Knowledge for 3D Action Representation Learning
von: Chen, Yang, et al.
Veröffentlicht: (2024)

Improving Visual Representation Alignment Generation with GRPO
von: Mo, Shentong, et al.
Veröffentlicht: (2026)

CVSearch: Empowering Multimodal LLMs with Cognitive Visual Search for High-Resolution Image Perception
von: Li, Liupeng, et al.
Veröffentlicht: (2026)

PlanLLM: Video Procedure Planning with Refinable Large Language Models
von: Yang, Dejie, et al.
Veröffentlicht: (2024)

Progressive Confident Masking Attention Network for Audio-Visual Segmentation
von: Wang, Yuxuan, et al.
Veröffentlicht: (2024)

Scalable Object Relation Encoding for Better 3D Spatial Reasoning in Large Language Models
von: Zhou, Shengli, et al.
Veröffentlicht: (2026)

IG Captioner: Information Gain Captioners are Strong Zero-shot Classifiers
von: Yang, Chenglin, et al.
Veröffentlicht: (2023)

Control-A-Video: Controllable Text-to-Video Diffusion Models with Motion Prior and Reward Feedback Learning
von: Chen, Weifeng, et al.
Veröffentlicht: (2023)

HER2 Expression Prediction with Flexible Multi-Modal Inputs via Dynamic Bidirectional Reconstruction
von: Qin, Jie, et al.
Veröffentlicht: (2025)

UniVid: Pyramid Diffusion Model for High Quality Video Generation
von: Xiao, Xinyu, et al.
Veröffentlicht: (2026)

ClassWise-CRF: Category-Specific Fusion for Enhanced Semantic Segmentation of Remote Sensing Imagery
von: Zhu, Qinfeng, et al.
Veröffentlicht: (2025)

STIV: Scalable Text and Image Conditioned Video Generation
von: Lin, Zongyu, et al.
Veröffentlicht: (2024)

IllumiCraft: Unified Geometry and Illumination Diffusion for Controllable Video Generation
von: Lin, Yuanze, et al.
Veröffentlicht: (2025)

Evaluating the Impact of Point Cloud Colorization on Semantic Segmentation Accuracy
von: Zhu, Qinfeng, et al.
Veröffentlicht: (2024)

RDPM: Solve Diffusion Probabilistic Models via Recurrent Token Prediction
von: Wu, Xiaoping, et al.
Veröffentlicht: (2024)

Vlogger: Make Your Dream A Vlog
von: Zhuang, Shaobin, et al.
Veröffentlicht: (2024)

Size Matters: Reconstructing Real-Scale 3D Models from Monocular Images for Food Portion Estimation
von: Vinod, Gautham, et al.
Veröffentlicht: (2026)

Dual Memory Networks: A Versatile Adaptation Approach for Vision-Language Models
von: Zhang, Yabin, et al.
Veröffentlicht: (2024)

VidCRAFT3: Camera, Object, and Lighting Control for Image-to-Video Generation
von: Zheng, Sixiao, et al.
Veröffentlicht: (2025)

HeCoFuse: Cross-Modal Complementary V2X Cooperative Perception with Heterogeneous Sensors
von: Wei, Chuheng, et al.
Veröffentlicht: (2025)

How Do Images Align and Complement LiDAR? Towards a Harmonized Multi-modal 3D Panoptic Segmentation
von: Pan, Yining, et al.
Veröffentlicht: (2025)

MagicMotion: Controllable Video Generation with Dense-to-Sparse Trajectory Guidance
von: Li, Quanhao, et al.
Veröffentlicht: (2025)

SGAT4PASS: Spherical Geometry-Aware Transformer for PAnoramic Semantic Segmentation
von: Li, Xuewei, et al.
Veröffentlicht: (2023)

Who Brings the Frisbee: Probing Hidden Hallucination Factors in Large Vision-Language Model via Causality Analysis
von: Huang, Po-Hsuan, et al.
Veröffentlicht: (2024)

ReconBoost: Boosting Can Achieve Modality Reconcilement
von: Hua, Cong, et al.
Veröffentlicht: (2024)

FlashMotion: Few-Step Controllable Video Generation with Trajectory Guidance
von: Li, Quanhao, et al.
Veröffentlicht: (2026)

Explore the Limits of Omni-modal Pretraining at Scale
von: Zhang, Yiyuan, et al.
Veröffentlicht: (2024)

Reducing Hallucinations in Vision-Language Models via Latent Space Steering
von: Liu, Sheng, et al.
Veröffentlicht: (2024)

X-Prompt: Towards Universal In-Context Image Generation in Auto-Regressive Vision Language Foundation Models
von: Sun, Zeyi, et al.
Veröffentlicht: (2024)

COMODO: Cross-Modal Video-to-IMU Distillation for Efficient Egocentric Human Activity Recognition
von: Chen, Baiyu, et al.
Veröffentlicht: (2025)

Human-Centric Foundation Models: Perception, Generation and Agentic Modeling
von: Tang, Shixiang, et al.
Veröffentlicht: (2025)

MotionCtrl: A Unified and Flexible Motion Controller for Video Generation
von: Wang, Zhouxia, et al.
Veröffentlicht: (2023)

Pay Less Attention to Deceptive Artifacts: Robust Detection of Compressed Deepfakes on Online Social Networks
von: Li, Manyi, et al.
Veröffentlicht: (2025)

LayerT2V: A Unified Multi-Layer Video Generation Framework
von: Li, Guangzhao, et al.
Veröffentlicht: (2025)

A Systematic Review on Long-Tailed Learning
von: Zhang, Chongsheng, et al.
Veröffentlicht: (2024)

UniF$^2$ace: A Unified Fine-grained Face Understanding and Generation Model
von: Li, Junzhe, et al.
Veröffentlicht: (2025)

GoodDrag: Towards Good Practices for Drag Editing with Diffusion Models
von: Zhang, Zewei, et al.
Veröffentlicht: (2024)

FastCache: Fast Caching for Diffusion Transformer Through Learnable Linear Approximation
von: Liu, Dong, et al.
Veröffentlicht: (2025)

InteractiveVideo: User-Centric Controllable Video Generation with Synergistic Multimodal Instructions
von: Zhang, Yiyuan, et al.
Veröffentlicht: (2024)