Buchumschlag

MVPbev: Multi-view Perspective Image Generation from BEV with Test-time Controllability and Generalizability

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Buyu, Wang, Kai, Liu, Yansong, Bao, Jun, Han, Tingting, Yu, Jun
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Multimedia
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Enhancing Multimodal Misinformation Detection by Replaying the Whole Story from Image Modality Perspective
von: Wang, Bing, et al.
Veröffentlicht: (2025)

Deep Contrastive Multi-view Clustering under Semantic Feature Guidance
von: Liu, Siwen, et al.
Veröffentlicht: (2024)

Learning Generalizable and Efficient Image Watermarking via Hierarchical Two-Stage Optimization
von: Liu, Ke, et al.
Veröffentlicht: (2025)

RealX3D: A Physically-Degraded 3D Benchmark for Multi-view Visual Restoration and Reconstruction
von: Liu, Shuhong, et al.
Veröffentlicht: (2025)

Simple Yet Effective Selective Imputation for Incomplete Multi-view Clustering
von: Xu, Cai, et al.
Veröffentlicht: (2025)

MHAD: Multimodal Home Activity Dataset with Multi-Angle Videos and Synchronized Physiological Signals
von: Yu, Lei, et al.
Veröffentlicht: (2024)

Rethinking Multi-view Representation Learning via Distilled Disentangling
von: Ke, Guanzhou, et al.
Veröffentlicht: (2024)

PetalView: Fine-grained Location and Orientation Extraction of Street-view Images via Cross-view Local Search with Supplementary Materials
von: Hu, Wenmiao, et al.
Veröffentlicht: (2024)

Generalized Video Anomaly Event Detection: Systematic Taxonomy and Comparison of Deep Models
von: Liu, Yang, et al.
Veröffentlicht: (2023)

MotionPro: A Precise Motion Controller for Image-to-Video Generation
von: Zhang, Zhongwei, et al.
Veröffentlicht: (2025)

MTFusion: Reconstructing Any 3D Object from Single Image Using Multi-word Textual Inversion
von: Liu, Yu, et al.
Veröffentlicht: (2024)

AeroLite: Tag-Guided Lightweight Generation of Aerial Image Captions
von: Zi, Xing, et al.
Veröffentlicht: (2025)

PoseTalk: Text-and-Audio-based Pose Control and Motion Refinement for One-Shot Talking Head Generation
von: Ling, Jun, et al.
Veröffentlicht: (2024)

Towards Realistic Low-Light Image Enhancement via ISP Driven Data Modeling
von: Wang, Zhihua, et al.
Veröffentlicht: (2025)

Accelerating Controllable Generation via Hybrid-grained Cache
von: Liu, Lin, et al.
Veröffentlicht: (2025)

Generalizable Deepfake Detection Based on Forgery-aware Layer Masking and Multi-artifact Subspace Decomposition
von: Zhang, Xiang, et al.
Veröffentlicht: (2026)

Test-time adaptation for image compression with distribution regularization
von: Chen, Kecheng, et al.
Veröffentlicht: (2024)

Proxy-Tuning: Tailoring Multimodal Autoregressive Models for Subject-Driven Image Generation
von: Wu, Yi, et al.
Veröffentlicht: (2025)

A Light-weight Transformer-based Self-supervised Matching Network for Heterogeneous Images
von: Zhang, Wang, et al.
Veröffentlicht: (2024)

ASAP: Advancing Semantic Alignment Promotes Multi-Modal Manipulation Detecting and Grounding
von: Zhang, Zhenxing, et al.
Veröffentlicht: (2024)

T$^\text{3}$SVFND: Towards an Evolving Fake News Detector for Emergencies with Test-time Training on Short Video Platforms
von: Zhang, Liyuan, et al.
Veröffentlicht: (2025)

GuardAlign: Test-time Safety Alignment in Multimodal Large Language Models
von: Zhu, Xingyu, et al.
Veröffentlicht: (2026)

Listening Deepfake Detection: A New Perspective Beyond Speaking-Centric Forgery Analysis
von: Liu, Miao, et al.
Veröffentlicht: (2026)

Lumos-1: On Autoregressive Video Generation with Discrete Diffusion from a Unified Model Perspective
von: Yuan, Hangjie, et al.
Veröffentlicht: (2025)

ControlFoley: Unified and Controllable Video-to-Audio Generation with Cross-Modal Conflict Handling
von: Yang, Jianxuan, et al.
Veröffentlicht: (2026)

G-Refine: A General Quality Refiner for Text-to-Image Generation
von: Li, Chunyi, et al.
Veröffentlicht: (2024)

Continual Panoptic Perception: Towards Multi-modal Incremental Interpretation of Remote Sensing Images
von: Yuan, Bo, et al.
Veröffentlicht: (2024)

Transcending Fusion: A Multi-Scale Alignment Method for Remote Sensing Image-Text Retrieval
von: Yang, Rui, et al.
Veröffentlicht: (2024)

Interactive Spatial-Frequency Fusion Mamba for Multi-Modal Image Fusion
von: Zhu, Yixin, et al.
Veröffentlicht: (2026)

HiDream-O1-Image: A Natively Unified Image Generative Foundation Model with Pixel-level Unified Transformer
von: Cai, Qi, et al.
Veröffentlicht: (2026)

Memories are One-to-Many Mapping Alleviators in Talking Face Generation
von: Tang, Anni, et al.
Veröffentlicht: (2022)

Regularized Contrastive Partial Multi-view Outlier Detection
von: Wang, Yijia, et al.
Veröffentlicht: (2024)

HuMo: Human-Centric Video Generation via Collaborative Multi-Modal Conditioning
von: Chen, Liyang, et al.
Veröffentlicht: (2025)

Identity-Preserving Text-to-Video Generation via Training-Free Prompt, Image, and Guidance Enhancement
von: Gao, Jiayi, et al.
Veröffentlicht: (2025)

Synthetic Perception: Can Generated Images Unlock Latent Visual Prior for Text-Centric Reasoning?
von: Huang, Yuesheng, et al.
Veröffentlicht: (2025)

Querying Autonomous Vehicle Point Clouds: Enhanced by 3D Object Counting with CounterNet
von: Zhang, Xiaoyu, et al.
Veröffentlicht: (2025)

On-the-Fly Object-aware Representative Point Selection in Point Cloud
von: Zhang, Xiaoyu, et al.
Veröffentlicht: (2025)

Multi-Modal Image Fusion via Intervention-Stable Feature Learning
von: Wang, Xue, et al.
Veröffentlicht: (2026)

A Perspective on Deep Vision Performance with Standard Image and Video Codecs
von: Reich, Christoph, et al.
Veröffentlicht: (2024)

Test-Time Adaptation with CLIP Reward for Zero-Shot Generalization in Vision-Language Models
von: Zhao, Shuai, et al.
Veröffentlicht: (2023)