Buchumschlag

I4VGen: Image as Free Stepping Stone for Text-to-Video Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guo, Xiefan, Liu, Jinlin, Cui, Miaomiao, Bo, Liefeng, Huang, Di
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ShortFT: Diffusion Model Alignment via Shortcut-based Fine-Tuning
von: Guo, Xiefan, et al.
Veröffentlicht: (2025)

InitNO: Boosting Text-to-Image Diffusion Models via Initial Noise Optimization
von: Guo, Xiefan, et al.
Veröffentlicht: (2024)

Disentangling Foreground and Background Motion for Enhanced Realism in Human Video Generation
von: Liu, Jinlin, et al.
Veröffentlicht: (2024)

Image Inpainting via Conditional Texture and Structure Dual Generation
von: Guo, Xiefan, et al.
Veröffentlicht: (2021)

Towards Fine-grained Interactive Segmentation in Images and Videos
von: Yao, Yuan, et al.
Veröffentlicht: (2025)

MIMO: Controllable Character Video Synthesis with Spatial Decomposed Modeling
von: Men, Yifang, et al.
Veröffentlicht: (2024)

CTCal: Rethinking Text-to-Image Diffusion Models via Cross-Timestep Self-Calibration
von: Guo, Xiefan, et al.
Veröffentlicht: (2026)

Spatial Gram Alignment for Ultra-High-Resolution Image Synthesis
von: Zhang, Jinjin, et al.
Veröffentlicht: (2026)

Diffusion-4K: Ultra-High-Resolution Image Synthesis with Latent Diffusion Models
von: Zhang, Jinjin, et al.
Veröffentlicht: (2025)

EruDiff: Refactoring Knowledge in Diffusion Models for Advanced Text-to-Image Synthesis
von: Guo, Xiefan, et al.
Veröffentlicht: (2026)

Perception-as-Control: Fine-grained Controllable Image Animation with 3D-aware Motion Representation
von: Chen, Yingjie, et al.
Veröffentlicht: (2025)

Ultra-High-Resolution Image Synthesis: Data, Method and Evaluation
von: Zhang, Jinjin, et al.
Veröffentlicht: (2025)

GaussianIP: Identity-Preserving Realistic 3D Human Generation via Human-Centric Diffusion Prior
von: Tang, Zichen, et al.
Veröffentlicht: (2025)

AnyText2: Visual Text Generation and Editing With Customizable Attributes
von: Tuo, Yuxiang, et al.
Veröffentlicht: (2024)

What Makes Synthetic Data Effective in Image Segmentation
von: Zhang, Jinjin, et al.
Veröffentlicht: (2026)

MoSAM: Motion-Guided Segment Anything Model with Spatial-Temporal Memory Selection
von: Yang, Qiushi, et al.
Veröffentlicht: (2025)

AnyStory: Towards Unified Single and Multiple Subject Personalization in Text-to-Image Generation
von: He, Junjie, et al.
Veröffentlicht: (2025)

EMO: Emote Portrait Alive -- Generating Expressive Portrait Videos with Audio2Video Diffusion Model under Weak Conditions
von: Tian, Linrui, et al.
Veröffentlicht: (2024)

SlowFast-VGen: Slow-Fast Learning for Action-Driven Long Video Generation
von: Hong, Yining, et al.
Veröffentlicht: (2024)

VGenST-Bench: A Benchmark for Spatio-Temporal Reasoning via Active Video Synthesis
von: Park, Jinho, et al.
Veröffentlicht: (2026)

EMO2: End-Effector Guided Audio-Driven Avatar Video Generation
von: Tian, Linrui, et al.
Veröffentlicht: (2025)

UniPortrait: A Unified Framework for Identity-Preserving Single- and Multi-Human Image Personalization
von: He, Junjie, et al.
Veröffentlicht: (2024)

DiffuEraser: A Diffusion Model for Video Inpainting
von: Li, Xiaowen, et al.
Veröffentlicht: (2025)

Animate Anyone: Consistent and Controllable Image-to-Video Synthesis for Character Animation
von: Hu, Li, et al.
Veröffentlicht: (2023)

OmniTalker: One-shot Real-time Text-Driven Talking Audio-Video Generation With Multimodal Style Mimicking
von: Wang, Zhongjian, et al.
Veröffentlicht: (2025)

ConditionVideo: Training-Free Condition-Guided Text-to-Video Generation
von: Peng, Bo, et al.
Veröffentlicht: (2023)

Leveraging Predicate and Triplet Learning for Scene Graph Generation
von: Li, Jiankai, et al.
Veröffentlicht: (2024)

ChatAnyone: Stylized Real-time Portrait Video Generation with Hierarchical Motion Diffusion Model
von: Qi, Jinwei, et al.
Veröffentlicht: (2025)

Controllable and Expressive One-Shot Video Head Swapping
von: Ji, Chaonan, et al.
Veröffentlicht: (2025)

Step-Video-TI2V Technical Report: A State-of-the-Art Text-Driven Image-to-Video Generation Model
von: Huang, Haoyang, et al.
Veröffentlicht: (2025)

Textoon: Generating Vivid 2D Cartoon Characters from Text Descriptions
von: He, Chao, et al.
Veröffentlicht: (2025)

TF-TI2I: Training-Free Text-and-Image-to-Image Generation via Multi-Modal Implicit-Context Learning in Text-to-Image Models
von: Hsiao, Teng-Fang, et al.
Veröffentlicht: (2025)

AlignVid: Training-Free Attention Scaling for Semantic Fidelity in Text-Guided Image-to-Video Generation
von: Liu, Yexin, et al.
Veröffentlicht: (2025)

AdaptiveDrag: Semantic-Driven Dragging on Diffusion-Based Image Editing
von: Chen, DuoSheng, et al.
Veröffentlicht: (2024)

OmniWeaving: Towards Unified Video Generation with Free-form Composition and Reasoning
von: Pan, Kaihang, et al.
Veröffentlicht: (2026)

Few-Step Distillation for Text-to-Image Generation: A Practical Guide
von: Pu, Yifan, et al.
Veröffentlicht: (2025)

MotionStone: Decoupled Motion Intensity Modulation with Diffusion Transformer for Image-to-Video Generation
von: Shi, Shuwei, et al.
Veröffentlicht: (2024)

I2V-Adapter: A General Image-to-Video Adapter for Diffusion Models
von: Guo, Xun, et al.
Veröffentlicht: (2023)

VideoTetris: Towards Compositional Text-to-Video Generation
von: Tian, Ye, et al.
Veröffentlicht: (2024)

Encapsulated Composition of Text-to-Image and Text-to-Video Models for High-Quality Video Synthesis
von: Su, Tongtong, et al.
Veröffentlicht: (2025)