Copertina

Compositional 3D-aware Video Generation with LLM Director

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhu, Hanxin, He, Tianyu, Tang, Anni, Guo, Junliang, Chen, Zhibo, Bian, Jiang
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

AR4D: Autoregressive 4D Generation from Monocular Videos
di: Zhu, Hanxin, et al.
Pubblicazione: (2025)

GaussianSR: 3D Gaussian Super-Resolution with 2D Diffusion Priors
di: Yu, Xiqian, et al.
Pubblicazione: (2024)

CMC: Few-shot Novel View Synthesis via Cross-view Multiplane Consistency
di: Zhu, Hanxin, et al.
Pubblicazione: (2024)

GTA: Advancing Image-to-3D World Generation via Geometry Then Appearance Video Diffusion
di: Zhu, Hanxin, et al.
Pubblicazione: (2026)

End-to-End Rate-Distortion Optimized 3D Gaussian Representation
di: Wang, Henan, et al.
Pubblicazione: (2024)

VidTok: A Versatile and Open-Source Video Tokenizer
di: Tang, Anni, et al.
Pubblicazione: (2024)

Is Vanilla MLP in Neural Radiance Field Enough for Few-shot View Synthesis?
di: Zhu, Hanxin, et al.
Pubblicazione: (2024)

P-4DGS: Predictive 4D Gaussian Splatting with 90$\times$ Compression
di: Wang, Henan, et al.
Pubblicazione: (2025)

Video In-context Learning: Autoregressive Transformers are Zero-Shot Video Imitators
di: Zhang, Wentao, et al.
Pubblicazione: (2024)

OrthoPhys: Physically Plausible Video Generation with Orthogonal-View Geometry Guidance
di: Wang, Cong, et al.
Pubblicazione: (2026)

Geometry Forcing: Marrying Video Diffusion and 3D Representation for Consistent World Modeling
di: Wu, Haoyu, et al.
Pubblicazione: (2025)

GSemSplat: Generalizable Semantic 3D Gaussian Splatting from Uncalibrated Image Pairs
di: Wang, Xingrui, et al.
Pubblicazione: (2024)

Future Forcing: Future-aware Training-free KV Cache Policy for Autoregressive Video Generation
di: Luo, Jiayi, et al.
Pubblicazione: (2026)

UniEdit: A Unified Tuning-Free Framework for Video Motion and Appearance Editing
di: Bai, Jianhong, et al.
Pubblicazione: (2024)

TIV-Diffusion: Towards Object-Centric Movement for Text-driven Image to Video Generation
di: Wang, Xingrui, et al.
Pubblicazione: (2024)

Fast Autoregressive Video Generation with Diagonal Decoding
di: Ye, Yang, et al.
Pubblicazione: (2025)

Light Field Compression Based on Implicit Neural Representation
di: Wang, Henan, et al.
Pubblicazione: (2024)

VidTwin: Video VAE with Decoupled Structure and Dynamics
di: Wang, Yuchi, et al.
Pubblicazione: (2024)

Playing with Transformer at 30+ FPS via Next-Frame Diffusion
di: Cheng, Xinle, et al.
Pubblicazione: (2025)

Rate-aware Compression for NeRF-based Volumetric Video
di: Zhang, Zhiyu, et al.
Pubblicazione: (2024)

Attention Sparsity is Input-Stable: Training-Free Sparse Attention for Video Generation via Offline Sparsity Profiling and Online QK Co-Clustering
di: Luo, Jiayi, et al.
Pubblicazione: (2026)

ShapeLLM-Omni: A Native Multimodal LLM for 3D Generation and Understanding
di: Ye, Junliang, et al.
Pubblicazione: (2025)

4DWorldBench: A Comprehensive Evaluation Framework for 3D/4D World Generation Models
di: Lu, Yiting, et al.
Pubblicazione: (2025)

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

Llama Learns to Direct: DirectorLLM for Human-Centric Video Generation
di: Song, Kunpeng, et al.
Pubblicazione: (2024)

Embody4D: A Generalist 4D World Model for Embodied AI
di: Tu, Peiyan, et al.
Pubblicazione: (2026)

MineWorld: a Real-Time and Open-Source Interactive World Model on Minecraft
di: Guo, Junliang, et al.
Pubblicazione: (2025)

InstructAvatar: Text-Guided Emotion and Motion Control for Avatar Generation
di: Wang, Yuchi, et al.
Pubblicazione: (2024)

Diffusion Models in 3D Vision: A Survey
di: Wang, Zhen, et al.
Pubblicazione: (2024)

Training-free Camera Control for Video Generation
di: Hou, Chen, et al.
Pubblicazione: (2024)

Part-X-MLLM: Part-aware 3D Multimodal Large Language Model
di: Wang, Chunshi, et al.
Pubblicazione: (2025)

Make Your Actor Talk: Generalizable and High-Fidelity Lip Sync with Motion and Appearance Disentanglement
di: Yu, Runyi, et al.
Pubblicazione: (2024)

Frequency-aware Neural Representation for Videos
di: Zhu, Jun, et al.
Pubblicazione: (2026)

UCIP: A Universal Framework for Compressed Image Super-Resolution using Dynamic Prompt
di: Li, Xin, et al.
Pubblicazione: (2024)

Interp3D: Correspondence-aware Interpolation for Generative Textured 3D Morphing
di: Liu, Xiaolu, et al.
Pubblicazione: (2026)

SeD: Semantic-Aware Discriminator for Image Super-Resolution
di: Li, Bingchen, et al.
Pubblicazione: (2024)

Generalized Low-Rank Matrix Completion Model with Overlapping Group Error Representation
di: Lu, Wenjing, et al.
Pubblicazione: (2024)

GAIA: Zero-shot Talking Avatar Generation
di: He, Tianyu, et al.
Pubblicazione: (2023)

LIVE: Long-horizon Interactive Video World Modeling
di: Huang, Junchao, et al.
Pubblicazione: (2026)

Reinforcement Learning with Inverse Rewards for World Model Post-training
di: Ye, Yang, et al.
Pubblicazione: (2025)