Copertina

Computational Tradeoffs in Image Synthesis: Diffusion, Masked-Token, and Next-Token Prediction

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Kilian, Maciej, Jampani, Varun, Zettlemoyer, Luke
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

Transfusion: Predict the Next Token and Diffuse Images with One Multi-Modal Model
di: Zhou, Chunting, et al.
Pubblicazione: (2024)

Medical Referring Image Segmentation via Next-Token Mask Prediction
di: Chen, Xinyu, et al.
Pubblicazione: (2025)

CAT: Content-Adaptive Image Tokenization
di: Shen, Junhong, et al.
Pubblicazione: (2025)

HumANDiff: Articulated Noise Diffusion for Motion-Consistent Human Video Generation
di: Hu, Tao, et al.
Pubblicazione: (2026)

Generative Audio Language Modeling with Continuous-valued Tokens and Masked Next-Token Prediction
di: Yang, Shu-wen, et al.
Pubblicazione: (2025)

Object Recognition as Next Token Prediction
di: Yue, Kaiyu, et al.
Pubblicazione: (2023)

High-Resolution Image Synthesis via Next-Token Prediction
di: Chen, Dengsheng, et al.
Pubblicazione: (2024)

NEP: Autoregressive Image Editing via Next Editing Token Prediction
di: Wu, Huimin, et al.
Pubblicazione: (2025)

GeoToken: Hierarchical Geolocalization of Images via Next Token Prediction
di: Ghasemi, Narges, et al.
Pubblicazione: (2025)

Beyond Next-Token: Next-X Prediction for Autoregressive Visual Generation
di: Ren, Sucheng, et al.
Pubblicazione: (2025)

Unified Dense Prediction of Video Diffusion
di: Yang, Lehan, et al.
Pubblicazione: (2025)

TokenCompose: Text-to-Image Diffusion with Token-level Supervision
di: Wang, Zirui, et al.
Pubblicazione: (2023)

Morphing Tokens Draw Strong Masked Image Models
di: Kim, Taekyung, et al.
Pubblicazione: (2023)

Token-Space Mask Prediction for Efficient Vision Transformer Segmentation
di: Galagain, Calvin, et al.
Pubblicazione: (2026)

EAST: Early Action Prediction Sampling Strategy with Token Masking
di: Sović, Iva, et al.
Pubblicazione: (2026)

Emu3: Next-Token Prediction is All You Need
di: Wang, Xinlong, et al.
Pubblicazione: (2024)

Arbitrary Ratio Feature Compression via Next Token Prediction
di: Liu, Yufan, et al.
Pubblicazione: (2026)

TAPNext: Tracking Any Point (TAP) as Next Token Prediction
di: Zholus, Artem, et al.
Pubblicazione: (2025)

HOI-Diff: Text-Driven Synthesis of 3D Human-Object Interactions using Diffusion Models
di: Peng, Xiaogang, et al.
Pubblicazione: (2023)

Humanoid Locomotion as Next Token Prediction
di: Radosavovic, Ilija, et al.
Pubblicazione: (2024)

Improved Masked Image Generation with Knowledge-Augmented Token Representations
di: Liang, Guotao, et al.
Pubblicazione: (2025)

SAM-Guided Masked Token Prediction for 3D Scene Understanding
di: Chen, Zhimin, et al.
Pubblicazione: (2024)

Cached Adaptive Token Merging: Dynamic Token Reduction and Redundant Computation Elimination in Diffusion Model
di: Saghatchian, Omid, et al.
Pubblicazione: (2025)

Beyond ViT Tokens: Masked-Diffusion Pretrained Convolutional Pathology Foundation Model for Cell-Level Dense Prediction
di: Chen, Weiming, et al.
Pubblicazione: (2026)

Multimodal Latent Language Modeling with Next-Token Diffusion
di: Sun, Yutao, et al.
Pubblicazione: (2024)

RedVTP: Training-Free Acceleration of Diffusion Vision-Language Models Inference via Masked Token-Guided Visual Token Pruning
di: Xu, Jingqi, et al.
Pubblicazione: (2025)

HouseCrafter: Lifting Floorplans to 3D Scenes with 2D Diffusion Model
di: Nguyen, Hieu T., et al.
Pubblicazione: (2024)

PanoLlama: Generating Endless and Coherent Panoramas with Next-Token-Prediction LLMs
di: Zhou, Teng, et al.
Pubblicazione: (2024)

Masked Autoencoders Are Effective Tokenizers for Diffusion Models
di: Chen, Hao, et al.
Pubblicazione: (2025)

AMP: Autoregressive Motion Prediction Revisited with Next Token Prediction for Autonomous Driving
di: Jia, Xiaosong, et al.
Pubblicazione: (2024)

NextStep-1: Toward Autoregressive Image Generation with Continuous Tokens at Scale
di: NextStep Team, et al.
Pubblicazione: (2025)

SMooDi: Stylized Motion Diffusion Model
di: Zhong, Lei, et al.
Pubblicazione: (2024)

SceneStreamer: Continuous Scenario Generation as Next Token Group Prediction
di: Peng, Zhenghao, et al.
Pubblicazione: (2025)

Beyond Next-Token Alignment: Distilling Multimodal Large Language Models via Token Interactions
di: Chen, Lin, et al.
Pubblicazione: (2026)

Rethinking Point Clouds as Sequences: A Causal Next-Token Predictive Learning Framework
di: Yao, Yumeng, et al.
Pubblicazione: (2026)

Stable Virtual Camera: Generative View Synthesis with Diffusion Models
di: Zhou, Jensen, et al.
Pubblicazione: (2025)

SV3D: Novel Multi-view Synthesis and 3D Generation from a Single Image using Latent Video Diffusion
di: Voleti, Vikram, et al.
Pubblicazione: (2024)

Stable Part Diffusion 4D: Multi-View RGB and Kinematic Parts Video Generation
di: Zhang, Hao, et al.
Pubblicazione: (2025)

Emerging Property of Masked Token for Effective Pre-training
di: Choi, Hyesong, et al.
Pubblicazione: (2024)

ALTo: Adaptive-Length Tokenizer for Autoregressive Mask Generation
di: Wang, Lingfeng, et al.
Pubblicazione: (2025)