SF-V: Single Forward Video Generation Model
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhang, Zhixing, Li, Yanyu, Wu, Yushu, Xu, Yanwu, Kag, Anil, Skorokhodov, Ivan, Menapace, Willi, Siarohin, Aliaksandr, Cao, Junli, Metaxas, Dimitris, Tulyakov, Sergey, Ren, Jian |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
H3AE: High Compression, High Speed, and High Quality AutoEncoder for Video Diffusion Models
par: Wu, Yushu, et autres
Publié: (2025)
par: Wu, Yushu, et autres
Publié: (2025)
Taming Diffusion Transformer for Efficient Mobile Video Generation in Seconds
par: Wu, Yushu, et autres
Publié: (2025)
par: Wu, Yushu, et autres
Publié: (2025)
Hierarchical Patch Diffusion Models for High-Resolution Video Generation
par: Skorokhodov, Ivan, et autres
Publié: (2024)
par: Skorokhodov, Ivan, et autres
Publié: (2024)
DenseDPO: Fine-Grained Temporal Preference Optimization for Video Diffusion Models
par: Wu, Ziyi, et autres
Publié: (2025)
par: Wu, Ziyi, et autres
Publié: (2025)
AsCAN: Asymmetric Convolution-Attention Networks for Efficient Recognition and Generation
par: Kag, Anil, et autres
Publié: (2024)
par: Kag, Anil, et autres
Publié: (2024)
Dynamic Concepts Personalization from Single Videos
par: Abdal, Rameen, et autres
Publié: (2025)
par: Abdal, Rameen, et autres
Publié: (2025)
Snap Video: Scaled Spatiotemporal Transformers for Text-to-Video Synthesis
par: Menapace, Willi, et autres
Publié: (2024)
par: Menapace, Willi, et autres
Publié: (2024)
One Model, Many Budgets: Elastic Latent Interfaces for Diffusion Transformers
par: Haji-Ali, Moayed, et autres
Publié: (2026)
par: Haji-Ali, Moayed, et autres
Publié: (2026)
Improving the Diffusability of Autoencoders
par: Skorokhodov, Ivan, et autres
Publié: (2025)
par: Skorokhodov, Ivan, et autres
Publié: (2025)
Sprint: Sparse-Dense Residual Fusion for Efficient Diffusion Transformers
par: Park, Dogyun, et autres
Publié: (2025)
par: Park, Dogyun, et autres
Publié: (2025)
AlphaFlow: Understanding and Improving MeanFlow Models
par: Zhang, Huijie, et autres
Publié: (2025)
par: Zhang, Huijie, et autres
Publié: (2025)
Mind the Time: Temporally-Controlled Multi-Event Video Generation
par: Wu, Ziyi, et autres
Publié: (2024)
par: Wu, Ziyi, et autres
Publié: (2024)
Improving Progressive Generation with Decomposable Flow Matching
par: Haji-Ali, Moayed, et autres
Publié: (2025)
par: Haji-Ali, Moayed, et autres
Publié: (2025)
AC3D: Analyzing and Improving 3D Camera Control in Video Diffusion Transformers
par: Bahmani, Sherwin, et autres
Publié: (2024)
par: Bahmani, Sherwin, et autres
Publié: (2024)
SnapGen-V: Generating a Five-Second Video within Five Seconds on a Mobile Device
par: Wu, Yushu, et autres
Publié: (2024)
par: Wu, Yushu, et autres
Publié: (2024)
VIMI: Grounding Video Generation through Multi-modal Instruction
par: Fang, Yuwei, et autres
Publié: (2024)
par: Fang, Yuwei, et autres
Publié: (2024)
AV-Link: Temporally-Aligned Diffusion Features for Cross-Modal Audio-Video Generation
par: Haji-Ali, Moayed, et autres
Publié: (2024)
par: Haji-Ali, Moayed, et autres
Publié: (2024)
4Real-Video-V2: Fused View-Time Attention and Feedforward Reconstruction for 4D Scene Generation
par: Wang, Chaoyang, et autres
Publié: (2025)
par: Wang, Chaoyang, et autres
Publié: (2025)
4Real-Video: Learning Generalizable Photo-Realistic 4D Video Diffusion
par: Wang, Chaoyang, et autres
Publié: (2024)
par: Wang, Chaoyang, et autres
Publié: (2024)
EFlow: Fast Few-Step Video Generator Training from Scratch via Efficient Solution Flow
par: Park, Dogyun, et autres
Publié: (2026)
par: Park, Dogyun, et autres
Publié: (2026)
HyperHuman: Hyper-Realistic Human Generation with Latent Structural Diffusion
par: Liu, Xian, et autres
Publié: (2023)
par: Liu, Xian, et autres
Publié: (2023)
4Real: Towards Photorealistic 4D Scene Generation via Video Diffusion Models
par: Yu, Heng, et autres
Publié: (2024)
par: Yu, Heng, et autres
Publié: (2024)
Promptable Game Models: Text-Guided Game Simulation via Masked Diffusion Models
par: Menapace, Willi, et autres
Publié: (2023)
par: Menapace, Willi, et autres
Publié: (2023)
Multi-subject Open-set Personalization in Video Generation
par: Chen, Tsai-Shien, et autres
Publié: (2025)
par: Chen, Tsai-Shien, et autres
Publié: (2025)
EgoEdit: Dataset, Real-Time Streaming Model, and Benchmark for Egocentric Video Editing
par: Li, Runjia, et autres
Publié: (2025)
par: Li, Runjia, et autres
Publié: (2025)
Omni-Attribute: Open-vocabulary Attribute Encoder for Visual Concept Personalization
par: Chen, Tsai-Shien, et autres
Publié: (2025)
par: Chen, Tsai-Shien, et autres
Publié: (2025)
VD3D: Taming Large Video Diffusion Transformers for 3D Camera Control
par: Bahmani, Sherwin, et autres
Publié: (2024)
par: Bahmani, Sherwin, et autres
Publié: (2024)
S2DiT: Sandwich Diffusion Transformer for Mobile Streaming Video Generation
par: Zhao, Lin, et autres
Publié: (2026)
par: Zhao, Lin, et autres
Publié: (2026)
Video Motion Transfer with Diffusion Transformers
par: Pondaven, Alexander, et autres
Publié: (2024)
par: Pondaven, Alexander, et autres
Publié: (2024)
Towards Physical Understanding in Video Generation: A 3D Point Regularization Approach
par: Chen, Yunuo, et autres
Publié: (2025)
par: Chen, Yunuo, et autres
Publié: (2025)
Diffusion Priors for Dynamic View Synthesis from Monocular Videos
par: Wang, Chaoyang, et autres
Publié: (2024)
par: Wang, Chaoyang, et autres
Publié: (2024)
Diffusion-DRF: Free, Rich, and Differentiable Reward for Video Diffusion Fine-Tuning
par: Wang, Yifan, et autres
Publié: (2026)
par: Wang, Yifan, et autres
Publié: (2026)
Taming Data and Transformers for Audio Generation
par: Haji-Ali, Moayed, et autres
Publié: (2024)
par: Haji-Ali, Moayed, et autres
Publié: (2024)
BitsFusion: 1.99 bits Weight Quantization of Diffusion Model
par: Sui, Yang, et autres
Publié: (2024)
par: Sui, Yang, et autres
Publié: (2024)
Panda-70M: Captioning 70M Videos with Multiple Cross-Modality Teachers
par: Chen, Tsai-Shien, et autres
Publié: (2024)
par: Chen, Tsai-Shien, et autres
Publié: (2024)
Can Text-to-Video Generation help Video-Language Alignment?
par: Zanella, Luca, et autres
Publié: (2025)
par: Zanella, Luca, et autres
Publié: (2025)
Scalable Ranked Preference Optimization for Text-to-Image Generation
par: Karthik, Shyamgopal, et autres
Publié: (2024)
par: Karthik, Shyamgopal, et autres
Publié: (2024)
AlcheMinT: Fine-grained Temporal Control for Multi-Reference Consistent Video Generation
par: Girish, Sharath, et autres
Publié: (2025)
par: Girish, Sharath, et autres
Publié: (2025)
ActionParty: Multi-Subject Action Binding in Generative Video Games
par: Pondaven, Alexander, et autres
Publié: (2026)
par: Pondaven, Alexander, et autres
Publié: (2026)
TextCraftor: Your Text Encoder Can be Image Quality Controller
par: Li, Yanyu, et autres
Publié: (2024)
par: Li, Yanyu, et autres
Publié: (2024)
Documents similaires
-
H3AE: High Compression, High Speed, and High Quality AutoEncoder for Video Diffusion Models
par: Wu, Yushu, et autres
Publié: (2025) -
Taming Diffusion Transformer for Efficient Mobile Video Generation in Seconds
par: Wu, Yushu, et autres
Publié: (2025) -
Hierarchical Patch Diffusion Models for High-Resolution Video Generation
par: Skorokhodov, Ivan, et autres
Publié: (2024) -
DenseDPO: Fine-Grained Temporal Preference Optimization for Video Diffusion Models
par: Wu, Ziyi, et autres
Publié: (2025) -
AsCAN: Asymmetric Convolution-Attention Networks for Efficient Recognition and Generation
par: Kag, Anil, et autres
Publié: (2024)