Buchumschlag

CUPID: Contextual Understanding of Prompt-conditioned Image Distributions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Yayan, Li, Mingwei, Berger, Matthew
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Graphical Perception of Saliency-based Model Explanations
von: Zhao, Yayan, et al.
Veröffentlicht: (2024)

Fluid Grey 2: How Well Does Generative Adversarial Network Learn Deeper Topology Structure in Architecture That Matches Images?
von: Qiu, Yayan, et al.
Veröffentlicht: (2025)

Image Generation from Contextually-Contradictory Prompts
von: Huberman, Saar, et al.
Veröffentlicht: (2025)

ReFoCUS: Reinforcement-guided Frame Optimization for Contextual Understanding
von: Lee, Hosu, et al.
Veröffentlicht: (2025)

Aquila-plus: Prompt-Driven Visual-Language Models for Pixel-Level Remote Sensing Image Understanding
von: Lu, Kaixuan
Veröffentlicht: (2024)

Dual Prompting Image Restoration with Diffusion Transformers
von: Kong, Dehong, et al.
Veröffentlicht: (2025)

ImageRef-VL: Enabling Contextual Image Referencing in Vision-Language Models
von: Yi, Jingwei, et al.
Veröffentlicht: (2025)

Prompt Optimizer of Text-to-Image Diffusion Models for Abstract Concept Understanding
von: Fan, Zezhong, et al.
Veröffentlicht: (2024)

Spatial Understanding from Videos: Structured Prompts Meet Simulation Data
von: Zhang, Haoyu, et al.
Veröffentlicht: (2025)

SOWing Information: Cultivating Contextual Coherence with MLLMs in Image Generation
von: Pei, Yuhan, et al.
Veröffentlicht: (2024)

Token-Efficient Multimodal Reasoning via Image Prompt Packaging
von: Choi, Joong Ho, et al.
Veröffentlicht: (2026)

Prompt Decoupling for Text-to-Image Person Re-identification
von: Li, Weihao, et al.
Veröffentlicht: (2024)

Prompt-SID: Learning Structural Representation Prompt via Latent Diffusion for Single-Image Denoising
von: Li, Huaqiu, et al.
Veröffentlicht: (2025)

RieMind: Geometry-Grounded Spatial Agent for Scene Understanding
von: Ropero, Fernando, et al.
Veröffentlicht: (2026)

Grasp Any Region: Towards Precise, Contextual Pixel Understanding for Multimodal LLMs
von: Wang, Haochen, et al.
Veröffentlicht: (2025)

Hierarchical Prompt Learning for Image- and Text-Based Person Re-Identification
von: Zhou, Linhan, et al.
Veröffentlicht: (2025)

PTCMIL: Multiple Instance Learning via Prompt Token Clustering for Whole Slide Image Analysis
von: Zhao, Beidi, et al.
Veröffentlicht: (2025)

ArtAug: Enhancing Text-to-Image Generation through Synthesis-Understanding Interaction
von: Duan, Zhongjie, et al.
Veröffentlicht: (2024)

Enhancing Multimodal Understanding with CLIP-Based Image-to-Text Transformation
von: Che, Chang, et al.
Veröffentlicht: (2024)

Decoding the Pulse of Reasoning VLMs in Multi-Image Understanding Tasks
von: Li, Chenjun
Veröffentlicht: (2026)

Embedded Visual Prompt Tuning
von: Zu, Wenqiang, et al.
Veröffentlicht: (2024)

Face-MakeUp: Multimodal Facial Prompts for Text-to-Image Generation
von: Dai, Dawei, et al.
Veröffentlicht: (2025)

Dynamic Prompt Optimizing for Text-to-Image Generation
von: Mo, Wenyi, et al.
Veröffentlicht: (2024)

TC-LLaVA: Rethinking the Transfer from Image to Video Understanding with Temporal Considerations
von: Gao, Mingze, et al.
Veröffentlicht: (2024)

Understanding Pure Textual Reasoning for Blind Image Quality Assessment
von: Li, Yuan, et al.
Veröffentlicht: (2026)

Multimodal Prompt Decoupling Attack on the Safety Filters in Text-to-Image Models
von: Peng, Xingkai, et al.
Veröffentlicht: (2025)

Brain Tumor Segmentation in MRI Images with 3D U-Net and Contextual Transformer
von: Nguyen, Thien-Qua T., et al.
Veröffentlicht: (2024)

Controllable Contextualized Image Captioning: Directing the Visual Narrative through User-Defined Highlights
von: Mao, Shunqi, et al.
Veröffentlicht: (2024)

PrismVAU: Prompt-Refined Inference System for Multimodal Video Anomaly Understanding
von: Erregue, Iñaki, et al.
Veröffentlicht: (2026)

Evaluating Contextual Intelligence in Recyclability: A Comprehensive Study of Image-Based Reasoning Systems
von: Park, Eliot, et al.
Veröffentlicht: (2025)

Batch-Instructed Gradient for Prompt Evolution:Systematic Prompt Optimization for Enhanced Text-to-Image Synthesis
von: Yang, Xinrui, et al.
Veröffentlicht: (2024)

RS-GPT4V: A Unified Multimodal Instruction-Following Dataset for Remote Sensing Image Understanding
von: Xu, Linrui, et al.
Veröffentlicht: (2024)

Towards Accurate UAV Image Perception: Guiding Vision-Language Models with Stronger Task Prompts
von: Guo, Mingning, et al.
Veröffentlicht: (2025)

Any4D: Open-Prompt 4D Generation from Natural Language and Images
von: Li, Hao, et al.
Veröffentlicht: (2025)

DetailMaster: Can Your Text-to-Image Model Handle Long Prompts?
von: Jiao, Qirui, et al.
Veröffentlicht: (2025)

Curriculum Prompting Foundation Models for Medical Image Segmentation
von: Zheng, Xiuqi, et al.
Veröffentlicht: (2024)

Patch-enhanced Mask Encoder Prompt Image Generation
von: Xu, Shusong, et al.
Veröffentlicht: (2024)

Attention Prompting on Image for Large Vision-Language Models
von: Yu, Runpeng, et al.
Veröffentlicht: (2024)

CHEM: Estimating and Understanding Hallucinations in Deep Learning for Image Processing
von: Li, Jianfei, et al.
Veröffentlicht: (2025)

Image Captions are Natural Prompts for Text-to-Image Models
von: Lei, Shiye, et al.
Veröffentlicht: (2023)