Image de couverture de livre

VD3D: Taming Large Video Diffusion Transformers for 3D Camera Control

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Bahmani, Sherwin, Skorokhodov, Ivan, Siarohin, Aliaksandr, Menapace, Willi, Qian, Guocheng, Vasilkovsky, Michael, Lee, Hsin-Ying, Wang, Chaoyang, Zou, Jiaxu, Tagliasacchi, Andrea, Lindell, David B., Tulyakov, Sergey
Format:	Preprint
Publié:	2024
Sujets:	Computer Vision and Pattern Recognition
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires

AC3D: Analyzing and Improving 3D Camera Control in Video Diffusion Transformers
par: Bahmani, Sherwin, et autres
Publié: (2024)

Hierarchical Patch Diffusion Models for High-Resolution Video Generation
par: Skorokhodov, Ivan, et autres
Publié: (2024)

4Real-Video: Learning Generalizable Photo-Realistic 4D Video Diffusion
par: Wang, Chaoyang, et autres
Publié: (2024)

AlphaFlow: Understanding and Improving MeanFlow Models
par: Zhang, Huijie, et autres
Publié: (2025)

4Real-Video-V2: Fused View-Time Attention and Feedforward Reconstruction for 4D Scene Generation
par: Wang, Chaoyang, et autres
Publié: (2025)

Dynamic Concepts Personalization from Single Videos
par: Abdal, Rameen, et autres
Publié: (2025)

GTR: Improving Large 3D Reconstruction Models through Geometry and Texture Refinement
par: Zhuang, Peiye, et autres
Publié: (2024)

One Model, Many Budgets: Elastic Latent Interfaces for Diffusion Transformers
par: Haji-Ali, Moayed, et autres
Publié: (2026)

Mind the Time: Temporally-Controlled Multi-Event Video Generation
par: Wu, Ziyi, et autres
Publié: (2024)

DenseDPO: Fine-Grained Temporal Preference Optimization for Video Diffusion Models
par: Wu, Ziyi, et autres
Publié: (2025)

H3AE: High Compression, High Speed, and High Quality AutoEncoder for Video Diffusion Models
par: Wu, Yushu, et autres
Publié: (2025)

Improving Progressive Generation with Decomposable Flow Matching
par: Haji-Ali, Moayed, et autres
Publié: (2025)

Taming Diffusion Transformer for Efficient Mobile Video Generation in Seconds
par: Wu, Yushu, et autres
Publié: (2025)

VIMI: Grounding Video Generation through Multi-modal Instruction
par: Fang, Yuwei, et autres
Publié: (2024)

4Real: Towards Photorealistic 4D Scene Generation via Video Diffusion Models
par: Yu, Heng, et autres
Publié: (2024)

Improving the Diffusability of Autoencoders
par: Skorokhodov, Ivan, et autres
Publié: (2025)

Diffusion Priors for Dynamic View Synthesis from Monocular Videos
par: Wang, Chaoyang, et autres
Publié: (2024)

AV-Link: Temporally-Aligned Diffusion Features for Cross-Modal Audio-Video Generation
par: Haji-Ali, Moayed, et autres
Publié: (2024)

4D-fy: Text-to-4D Generation Using Hybrid Score Distillation Sampling
par: Bahmani, Sherwin, et autres
Publié: (2023)

AToM: Amortized Text-to-Mesh using 2D Diffusion
par: Qian, Guocheng, et autres
Publié: (2024)

Taming Data and Transformers for Audio Generation
par: Haji-Ali, Moayed, et autres
Publié: (2024)

EgoEdit: Dataset, Real-Time Streaming Model, and Benchmark for Egocentric Video Editing
par: Li, Runjia, et autres
Publié: (2025)

Snap Video: Scaled Spatiotemporal Transformers for Text-to-Video Synthesis
par: Menapace, Willi, et autres
Publié: (2024)

TC4D: Trajectory-Conditioned Text-to-4D Generation
par: Bahmani, Sherwin, et autres
Publié: (2024)

Promptable Game Models: Text-Guided Game Simulation via Masked Diffusion Models
par: Menapace, Willi, et autres
Publié: (2023)

SF-V: Single Forward Video Generation Model
par: Zhang, Zhixing, et autres
Publié: (2024)

Multi-subject Open-set Personalization in Video Generation
par: Chen, Tsai-Shien, et autres
Publié: (2025)

EasyV2V: A High-quality Instruction-based Video Editing Framework
par: Mai, Jinjie, et autres
Publié: (2025)

AsCAN: Asymmetric Convolution-Attention Networks for Efficient Recognition and Generation
par: Kag, Anil, et autres
Publié: (2024)

OmniView: An All-Seeing Diffusion Model for 3D and 4D View Synthesis
par: Fan, Xiang, et autres
Publié: (2025)

Omni-Attribute: Open-vocabulary Attribute Encoder for Visual Concept Personalization
par: Chen, Tsai-Shien, et autres
Publié: (2025)

Grow with the Flow: 4D Reconstruction of Growing Plants with Gaussian Flow Fields
par: Luo, Weihan, et autres
Publié: (2026)

SPAD : Spatially Aware Multiview Diffusers
par: Kant, Yash, et autres
Publié: (2024)

Video Motion Transfer with Diffusion Transformers
par: Pondaven, Alexander, et autres
Publié: (2024)

Sprint: Sparse-Dense Residual Fusion for Efficient Diffusion Transformers
par: Park, Dogyun, et autres
Publié: (2025)

MVP4D: Multi-View Portrait Video Diffusion for Animatable 4D Avatars
par: Taubner, Felix, et autres
Publié: (2025)

Pixel-Aligned Multi-View Generation with Depth Guided Decoder
par: Tang, Zhenggang, et autres
Publié: (2024)

Panda-70M: Captioning 70M Videos with Multiple Cross-Modality Teachers
par: Chen, Tsai-Shien, et autres
Publié: (2024)

HyperHuman: Hyper-Realistic Human Generation with Latent Structural Diffusion
par: Liu, Xian, et autres
Publié: (2023)

Can Text-to-Video Generation help Video-Language Alignment?
par: Zanella, Luca, et autres
Publié: (2025)