Pixel-Aligned Multi-View Generation with Depth Guided Decoder

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tang, Zhenggang, Zhuang, Peiye, Wang, Chaoyang, Siarohin, Aliaksandr, Kant, Yash, Schwing, Alexander, Tulyakov, Sergey, Lee, Hsin-Ying
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

Diffusion Priors for Dynamic View Synthesis from Monocular Videos
von: Wang, Chaoyang, et al.
Veröffentlicht: (2024)

4Real: Towards Photorealistic 4D Scene Generation via Video Diffusion Models
von: Yu, Heng, et al.
Veröffentlicht: (2024)

GTR: Improving Large 3D Reconstruction Models through Geometry and Texture Refinement
von: Zhuang, Peiye, et al.
Veröffentlicht: (2024)

4Real-Video: Learning Generalizable Photo-Realistic 4D Video Diffusion
von: Wang, Chaoyang, et al.
Veröffentlicht: (2024)

AToM: Amortized Text-to-Mesh using 2D Diffusion
von: Qian, Guocheng, et al.
Veröffentlicht: (2024)

Hierarchical Patch Diffusion Models for High-Resolution Video Generation
von: Skorokhodov, Ivan, et al.
Veröffentlicht: (2024)

DELTA: Dense Efficient Long-range 3D Tracking for any video
von: Ngo, Tuan Duc, et al.
Veröffentlicht: (2024)

OmniView: An All-Seeing Diffusion Model for 3D and 4D View Synthesis
von: Fan, Xiang, et al.
Veröffentlicht: (2025)

Video Motion Transfer with Diffusion Transformers
von: Pondaven, Alexander, et al.
Veröffentlicht: (2024)

ActionParty: Multi-Subject Action Binding in Generative Video Games
von: Pondaven, Alexander, et al.
Veröffentlicht: (2026)

AlcheMinT: Fine-grained Temporal Control for Multi-Reference Consistent Video Generation
von: Girish, Sharath, et al.
Veröffentlicht: (2025)

4Real-Video-V2: Fused View-Time Attention and Feedforward Reconstruction for 4D Scene Generation
von: Wang, Chaoyang, et al.
Veröffentlicht: (2025)

AV-Link: Temporally-Aligned Diffusion Features for Cross-Modal Audio-Video Generation
von: Haji-Ali, Moayed, et al.
Veröffentlicht: (2024)

Promptable Game Models: Text-Guided Game Simulation via Masked Diffusion Models
von: Menapace, Willi, et al.
Veröffentlicht: (2023)

Mind the Time: Temporally-Controlled Multi-Event Video Generation
von: Wu, Ziyi, et al.
Veröffentlicht: (2024)

SPAD : Spatially Aware Multiview Diffusers
von: Kant, Yash, et al.
Veröffentlicht: (2024)

UpFusion: Novel View Diffusion from Unposed Sparse View Observations
von: Kani, Bharath Raj Nagoor, et al.
Veröffentlicht: (2023)

Improving Progressive Generation with Decomposable Flow Matching
von: Haji-Ali, Moayed, et al.
Veröffentlicht: (2025)

VD3D: Taming Large Video Diffusion Transformers for 3D Camera Control
von: Bahmani, Sherwin, et al.
Veröffentlicht: (2024)

VIMI: Grounding Video Generation through Multi-modal Instruction
von: Fang, Yuwei, et al.
Veröffentlicht: (2024)

UniPhy: Learning a Unified Constitutive Model for Inverse Physics Simulation
von: Mittal, Himangi, et al.
Veröffentlicht: (2025)

AsCAN: Asymmetric Convolution-Attention Networks for Efficient Recognition and Generation
von: Kag, Anil, et al.
Veröffentlicht: (2024)

AlphaFlow: Understanding and Improving MeanFlow Models
von: Zhang, Huijie, et al.
Veröffentlicht: (2025)

Multi-subject Open-set Personalization in Video Generation
von: Chen, Tsai-Shien, et al.
Veröffentlicht: (2025)

HyperHuman: Hyper-Realistic Human Generation with Latent Structural Diffusion
von: Liu, Xian, et al.
Veröffentlicht: (2023)

Dynamic Concepts Personalization from Single Videos
von: Abdal, Rameen, et al.
Veröffentlicht: (2025)

Zero-Shot Dynamic Concept Personalization with Grid-Based LoRA
von: Abdal, Rameen, et al.
Veröffentlicht: (2025)

DenseDPO: Fine-Grained Temporal Preference Optimization for Video Diffusion Models
von: Wu, Ziyi, et al.
Veröffentlicht: (2025)

PrEditor3D: Fast and Precise 3D Shape Editing
von: Erkoç, Ziya, et al.
Veröffentlicht: (2024)

MV-DUSt3R+: Single-Stage Scene Reconstruction from Sparse Views In 2 Seconds
von: Tang, Zhenggang, et al.
Veröffentlicht: (2024)

AC3D: Analyzing and Improving 3D Camera Control in Video Diffusion Transformers
von: Bahmani, Sherwin, et al.
Veröffentlicht: (2024)

NeRFDeformer: NeRF Transformation from a Single View via 3D Scene Flows
von: Tang, Zhenggang, et al.
Veröffentlicht: (2024)

Improving the Diffusability of Autoencoders
von: Skorokhodov, Ivan, et al.
Veröffentlicht: (2025)

Sprint: Sparse-Dense Residual Fusion for Efficient Diffusion Transformers
von: Park, Dogyun, et al.
Veröffentlicht: (2025)

Panda-70M: Captioning 70M Videos with Multiple Cross-Modality Teachers
von: Chen, Tsai-Shien, et al.
Veröffentlicht: (2024)

One Model, Many Budgets: Elastic Latent Interfaces for Diffusion Transformers
von: Haji-Ali, Moayed, et al.
Veröffentlicht: (2026)

H3AE: High Compression, High Speed, and High Quality AutoEncoder for Video Diffusion Models
von: Wu, Yushu, et al.
Veröffentlicht: (2025)

EgoEdit: Dataset, Real-Time Streaming Model, and Benchmark for Egocentric Video Editing
von: Li, Runjia, et al.
Veröffentlicht: (2025)

Training and Tuning Generative Neural Radiance Fields for Attribute-Conditional 3D-Aware Face Generation
von: Zhang, Jichao, et al.
Veröffentlicht: (2022)

Visual Concept-driven Image Generation with Text-to-Image Diffusion Model
von: Rahman, Tanzila, et al.
Veröffentlicht: (2024)