ARTIST: Improving the Generation of Text-rich Images with Disentangled Diffusion Models and Large Language Models
Fuente:
arXiv
Salvato in:
| Autori principali: | Zhang, Jianyi, Zhou, Yufan, Gu, Jiuxiang, Wigington, Curtis, Yu, Tong, Chen, Yiran, Sun, Tong, Zhang, Ruiyi |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Customization Assistant for Text-to-image Generation
di: Zhou, Yufan, et al.
Pubblicazione: (2023)
di: Zhou, Yufan, et al.
Pubblicazione: (2023)
LLaVA-Read: Enhancing Reading Ability of Multimodal Language Models
di: Zhang, Ruiyi, et al.
Pubblicazione: (2024)
di: Zhang, Ruiyi, et al.
Pubblicazione: (2024)
LLaVAR: Enhanced Visual Instruction Tuning for Text-Rich Image Understanding
di: Zhang, Yanzhe, et al.
Pubblicazione: (2023)
di: Zhang, Yanzhe, et al.
Pubblicazione: (2023)
TRINS: Towards Multimodal Language Models that Can Read
di: Zhang, Ruiyi, et al.
Pubblicazione: (2024)
di: Zhang, Ruiyi, et al.
Pubblicazione: (2024)
Towards Visual Text Grounding of Multimodal Large Language Model
di: Li, Ming, et al.
Pubblicazione: (2025)
di: Li, Ming, et al.
Pubblicazione: (2025)
Toffee: Efficient Million-Scale Dataset Construction for Subject-Driven Text-to-Image Generation
di: Zhou, Yufan, et al.
Pubblicazione: (2024)
di: Zhou, Yufan, et al.
Pubblicazione: (2024)
Multimodal LLMs as Customized Reward Models for Text-to-Image Generation
di: Zhou, Shijie, et al.
Pubblicazione: (2025)
di: Zhou, Shijie, et al.
Pubblicazione: (2025)
SUGAR: Subject-Driven Video Customization in a Zero-Shot Manner
di: Zhou, Yufan, et al.
Pubblicazione: (2024)
di: Zhou, Yufan, et al.
Pubblicazione: (2024)
Handheld Video Document Scanning: A Robust On-Device Model for Multi-Page Document Scanning
di: Wigington, Curtis
Pubblicazione: (2024)
di: Wigington, Curtis
Pubblicazione: (2024)
DocSynthv2: A Practical Autoregressive Modeling for Document Generation
di: Biswas, Sanket, et al.
Pubblicazione: (2024)
di: Biswas, Sanket, et al.
Pubblicazione: (2024)
MMR: Evaluating Reading Ability of Large Multimodal Models
di: Chen, Jian, et al.
Pubblicazione: (2024)
di: Chen, Jian, et al.
Pubblicazione: (2024)
DICE: Disentangling Artist Style from Content via Contrastive Subspace Decomposition in Diffusion Models
di: Zhang, Tong, et al.
Pubblicazione: (2026)
di: Zhang, Tong, et al.
Pubblicazione: (2026)
SV-RAG: LoRA-Contextualizing Adaptation of MLLMs for Long Document Understanding
di: Chen, Jian, et al.
Pubblicazione: (2024)
di: Chen, Jian, et al.
Pubblicazione: (2024)
TextLap: Customizing Language Models for Text-to-Layout Planning
di: Chen, Jian, et al.
Pubblicazione: (2024)
di: Chen, Jian, et al.
Pubblicazione: (2024)
A High-Quality Text-Rich Image Instruction Tuning Dataset via Hybrid Instruction Generation
di: Zhou, Shijie, et al.
Pubblicazione: (2024)
di: Zhou, Shijie, et al.
Pubblicazione: (2024)
FDS: Frequency-Aware Denoising Score for Text-Guided Latent Diffusion Image Editing
di: Ren, Yufan, et al.
Pubblicazione: (2025)
di: Ren, Yufan, et al.
Pubblicazione: (2025)
Contrastive Prompts Improve Disentanglement in Text-to-Image Diffusion Models
di: Wu, Chen, et al.
Pubblicazione: (2024)
di: Wu, Chen, et al.
Pubblicazione: (2024)
More Than the Final Answer: Improving Visual Extraction and Logical Consistency in Vision-Language Models
di: Just, Hoang Anh, et al.
Pubblicazione: (2025)
di: Just, Hoang Anh, et al.
Pubblicazione: (2025)
Asynchronous Denoising Diffusion Models for Aligning Text-to-Image Generation
di: Hu, Zijing, et al.
Pubblicazione: (2025)
di: Hu, Zijing, et al.
Pubblicazione: (2025)
Towards Aligned Layout Generation via Diffusion Model with Aesthetic Constraints
di: Chen, Jian, et al.
Pubblicazione: (2024)
di: Chen, Jian, et al.
Pubblicazione: (2024)
Multimodal Large Language Models for Text-rich Image Understanding: A Comprehensive Review
di: Fu, Pei, et al.
Pubblicazione: (2025)
di: Fu, Pei, et al.
Pubblicazione: (2025)
Lavida-O: Elastic Large Masked Diffusion Models for Unified Multimodal Understanding and Generation
di: Li, Shufan, et al.
Pubblicazione: (2025)
di: Li, Shufan, et al.
Pubblicazione: (2025)
LADR: Locality-Aware Dynamic Rescue for Efficient Text-to-Image Generation with Diffusion Large Language Models
di: Wang, Chenglin, et al.
Pubblicazione: (2026)
di: Wang, Chenglin, et al.
Pubblicazione: (2026)
Towards Building the Federated GPT: Federated Instruction Tuning
di: Zhang, Jianyi, et al.
Pubblicazione: (2023)
di: Zhang, Jianyi, et al.
Pubblicazione: (2023)
DesignDiffusion: High-Quality Text-to-Design Image Generation with Diffusion Models
di: Wang, Zhendong, et al.
Pubblicazione: (2025)
di: Wang, Zhendong, et al.
Pubblicazione: (2025)
EvolveDirector: Approaching Advanced Text-to-Image Generation with Large Vision-Language Models
di: Zhao, Rui, et al.
Pubblicazione: (2024)
di: Zhao, Rui, et al.
Pubblicazione: (2024)
VGRP-Bench: Visual Grid Reasoning Puzzle Benchmark for Large Vision-Language Models
di: Ren, Yufan, et al.
Pubblicazione: (2025)
di: Ren, Yufan, et al.
Pubblicazione: (2025)
SOHES: Self-supervised Open-world Hierarchical Entity Segmentation
di: Cao, Shengcao, et al.
Pubblicazione: (2024)
di: Cao, Shengcao, et al.
Pubblicazione: (2024)
MMaDA: Multimodal Large Diffusion Language Models
di: Yang, Ling, et al.
Pubblicazione: (2025)
di: Yang, Ling, et al.
Pubblicazione: (2025)
MiLDEdit: Reasoning-Based Multi-Layer Design Document Editing
di: Lin, Zihao, et al.
Pubblicazione: (2026)
di: Lin, Zihao, et al.
Pubblicazione: (2026)
Automatic Layout Planning for Visually-Rich Documents with Instruction-Following Models
di: Zhu, Wanrong, et al.
Pubblicazione: (2024)
di: Zhu, Wanrong, et al.
Pubblicazione: (2024)
DiT-Air: Revisiting the Efficiency of Diffusion Model Architecture Design in Text to Image Generation
di: Chen, Chen, et al.
Pubblicazione: (2025)
di: Chen, Chen, et al.
Pubblicazione: (2025)
Improving Consistency in Diffusion Models for Image Super-Resolution
di: Gu, Junhao, et al.
Pubblicazione: (2024)
di: Gu, Junhao, et al.
Pubblicazione: (2024)
Detecting Dataset Abuse in Fine-Tuning Stable Diffusion Models for Text-to-Image Synthesis
di: Wang, Songrui, et al.
Pubblicazione: (2024)
di: Wang, Songrui, et al.
Pubblicazione: (2024)
Improving GFlowNets for Text-to-Image Diffusion Alignment
di: Zhang, Dinghuai, et al.
Pubblicazione: (2024)
di: Zhang, Dinghuai, et al.
Pubblicazione: (2024)
MPDS: A Movie Posters Dataset for Image Generation with Diffusion Model
di: Xu, Meng, et al.
Pubblicazione: (2024)
di: Xu, Meng, et al.
Pubblicazione: (2024)
Analyzing and Improving Fast Sampling of Text-to-Image Diffusion Models
di: Zhou, Zhenyu, et al.
Pubblicazione: (2026)
di: Zhou, Zhenyu, et al.
Pubblicazione: (2026)
PromptRR: Diffusion Models as Prompt Generators for Single Image Reflection Removal
di: Wang, Tao, et al.
Pubblicazione: (2024)
di: Wang, Tao, et al.
Pubblicazione: (2024)
Sparse-LaViDa: Sparse Multimodal Discrete Diffusion Language Models
di: Li, Shufan, et al.
Pubblicazione: (2025)
di: Li, Shufan, et al.
Pubblicazione: (2025)
Muddit: Liberating Generation Beyond Text-to-Image with a Unified Discrete Diffusion Model
di: Shi, Qingyu, et al.
Pubblicazione: (2025)
di: Shi, Qingyu, et al.
Pubblicazione: (2025)
Documenti analoghi
-
Customization Assistant for Text-to-image Generation
di: Zhou, Yufan, et al.
Pubblicazione: (2023) -
LLaVA-Read: Enhancing Reading Ability of Multimodal Language Models
di: Zhang, Ruiyi, et al.
Pubblicazione: (2024) -
LLaVAR: Enhanced Visual Instruction Tuning for Text-Rich Image Understanding
di: Zhang, Yanzhe, et al.
Pubblicazione: (2023) -
TRINS: Towards Multimodal Language Models that Can Read
di: Zhang, Ruiyi, et al.
Pubblicazione: (2024) -
Towards Visual Text Grounding of Multimodal Large Language Model
di: Li, Ming, et al.
Pubblicazione: (2025)