Copertina

StoryDiffusion: Consistent Self-Attention for Long-Range Image and Video Generation

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhou, Yupeng, Zhou, Daquan, Cheng, Ming-Ming, Feng, Jiashi, Hou, Qibin
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

Sora Generates Videos with Stunning Geometrical Consistency
di: Li, Xuanyi, et al.
Pubblicazione: (2024)

AR-1-to-3: Single Image to Consistent 3D Object Generation via Next-View Prediction
di: Zhang, Xuying, et al.
Pubblicazione: (2025)

Mutual Forcing: Dual-Mode Self-Evolution for Fast Autoregressive Audio-Video Character Generation
di: Zhou, Yupeng, et al.
Pubblicazione: (2026)

SRFormerV2: Taking a Closer Look at Permuted Self-Attention for Image Super-Resolution
di: Zhou, Yupeng, et al.
Pubblicazione: (2023)

Low-Resolution Self-Attention for Semantic Segmentation
di: Wu, Yu-Huan, et al.
Pubblicazione: (2023)

OneVAE: Joint Discrete and Continuous Optimization Helps Discrete Video VAE Train Better
di: Zhou, Yupeng, et al.
Pubblicazione: (2025)

High-Quality Mask Tuning Matters for Open-Vocabulary Segmentation
di: Zeng, Quan-Sheng, et al.
Pubblicazione: (2024)

Loong: Generating Minute-level Long Videos with Autoregressive Language Models
di: Wang, Yuqing, et al.
Pubblicazione: (2024)

DFormerv2: Geometry Self-Attention for RGBD Semantic Segmentation
di: Yin, Bo-Wen, et al.
Pubblicazione: (2025)

PLLaVA : Parameter-free LLaVA Extension from Images to Videos for Video Dense Captioning
di: Xu, Lin, et al.
Pubblicazione: (2024)

ControlSR: Taming Diffusion Models for Consistent Real-World Image Super Resolution
di: Wan, Yuhao, et al.
Pubblicazione: (2024)

TS-Attn: Temporal-wise Separable Attention for Multi-Event Video Generation
di: Zhang, Hongyu, et al.
Pubblicazione: (2026)

The Consistency Critic: Correcting Inconsistencies in Generated Images via Reference-Guided Attentive Alignment
di: Ouyang, Ziheng, et al.
Pubblicazione: (2025)

LVD-2M: A Long-take Video Dataset with Temporally Dense Captions
di: Xiong, Tianwei, et al.
Pubblicazione: (2024)

Contrastive Masked Autoencoders are Stronger Vision Learners
di: Huang, Zhicheng, et al.
Pubblicazione: (2022)

Object Isolated Attention for Consistent Story Visualization
di: Luo, Xiangyang, et al.
Pubblicazione: (2025)

Context Forcing: Consistent Autoregressive Video Generation with Long Context
di: Chen, Shuo, et al.
Pubblicazione: (2026)

Magic-Me: Identity-Specific Video Customized Diffusion
di: Ma, Ze, et al.
Pubblicazione: (2024)

Mixture of Style Experts for Diverse Image Stylization
di: Zhu, Shihao, et al.
Pubblicazione: (2026)

TempSamp-R1: Effective Temporal Sampling with Reinforcement Fine-Tuning for Video LLMs
di: Li, Yunheng, et al.
Pubblicazione: (2025)

HumanNet: Scaling Human-centric Video Learning to One Million Hours
di: Deng, Yufan, et al.
Pubblicazione: (2026)

GeoWorld: Unlocking the Potential of Geometry Models to Facilitate High-Fidelity 3D Scene Generation
di: Wan, Yuhao, et al.
Pubblicazione: (2025)

Video Depth Anything: Consistent Depth Estimation for Super-Long Videos
di: Chen, Sili, et al.
Pubblicazione: (2025)

Voyager: Long-Range and World-Consistent Video Diffusion for Explorable 3D Scene Generation
di: Huang, Tianyu, et al.
Pubblicazione: (2025)

Real-time One-Step Diffusion-based Expressive Portrait Videos Generation
di: Guo, Hanzhong, et al.
Pubblicazione: (2024)

MDTv2: Masked Diffusion Transformer is a Strong Image Synthesizer
di: Gao, Shanghua, et al.
Pubblicazione: (2023)

Cascade-CLIP: Cascaded Vision-Language Embeddings Alignment for Zero-Shot Semantic Segmentation
di: Li, Yunheng, et al.
Pubblicazione: (2024)

Towards Universal Video MLLMs with Attribute-Structured and Quality-Verified Instructions
di: Li, Yunheng, et al.
Pubblicazione: (2026)

ReDiStory: Region-Disentangled Diffusion for Consistent Visual Story Generation
di: Sarkar, Ayushman, et al.
Pubblicazione: (2026)

MagicVideo-V2: Multi-Stage High-Aesthetic Video Generation
di: Wang, Weimin, et al.
Pubblicazione: (2024)

Unbiased Region-Language Alignment for Open-Vocabulary Dense Prediction
di: Li, Yunheng, et al.
Pubblicazione: (2024)

DFormer: Rethinking RGBD Representation Learning for Semantic Segmentation
di: Yin, Bowen, et al.
Pubblicazione: (2023)

Zone Evaluation: Revealing Spatial Bias in Object Detection
di: Zheng, Zhaohui, et al.
Pubblicazione: (2023)

Revisiting Efficient Semantic Segmentation: Learning Offsets for Better Spatial and Class Feature Alignment
di: Zhang, Shi-Chen, et al.
Pubblicazione: (2025)

CrossKD: Cross-Head Knowledge Distillation for Object Detection
di: Wang, Jiabao, et al.
Pubblicazione: (2023)

MedSeg-R: Medical Image Segmentation with Clinical Reasoning
di: Shao, Hao, et al.
Pubblicazione: (2025)

StyleDiffusion: Prompt-Embedding Inversion for Text-Based Editing
di: Li, Senmao, et al.
Pubblicazione: (2023)

Ouroboros-Diffusion: Exploring Consistent Content Generation in Tuning-free Long Video Diffusion
di: Chen, Jingyuan, et al.
Pubblicazione: (2025)

Hierarchical Memory for Long Video QA
di: Wang, Yiqin, et al.
Pubblicazione: (2024)

Traffic Scene Parsing through the TSP6K Dataset
di: Jiang, Peng-Tao, et al.
Pubblicazione: (2023)