Copertina

LinFusion: 1 GPU, 1 Minute, 16K Image

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Liu, Songhua, Yu, Weihao, Tan, Zhenxiong, Wang, Xinchao
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

OminiControl: Minimal and Universal Control for Diffusion Transformer
di: Tan, Zhenxiong, et al.
Pubblicazione: (2024)

CLEAR: Conv-Like Linearization Revs Pre-Trained Diffusion Transformers Up
di: Liu, Songhua, et al.
Pubblicazione: (2024)

Ultra-Resolution Adaptation with Ease
di: Yu, Ruonan, et al.
Pubblicazione: (2025)

Image Editing As Programs with Diffusion Models
di: Hu, Yujia, et al.
Pubblicazione: (2025)

Rethinking Large-scale Dataset Compression: Shifting Focus From Labels to Images
di: Xiao, Lingao, et al.
Pubblicazione: (2025)

One-shot Federated Learning via Synthetic Distiller-Distillate Communication
di: Zhang, Junyuan, et al.
Pubblicazione: (2024)

Understanding Dataset Distillation via Spectral Filtering
di: Bo, Deyu, et al.
Pubblicazione: (2025)

MindBridge: A Cross-Subject Brain Decoding Framework
di: Wang, Shizun, et al.
Pubblicazione: (2024)

Distilled Datamodel with Reverse Gradient Matching
di: Ye, Jingwen, et al.
Pubblicazione: (2024)

ViFeEdit: A Video-Free Tuner of Your Video Diffusion Transformer
di: Yu, Ruonan, et al.
Pubblicazione: (2026)

Video-Infinity: Distributed Long Video Generation
di: Tan, Zhenxiong, et al.
Pubblicazione: (2024)

Gated Condition Injection without Multimodal Attention: Towards Controllable Linear-Attention Transformers
di: Liu, Yuhe, et al.
Pubblicazione: (2026)

MambaOut: Do We Really Need Mamba for Vision?
di: Yu, Weihao, et al.
Pubblicazione: (2024)

Minute-Long Videos with Dual Parallelisms
di: Wang, Zeqing, et al.
Pubblicazione: (2025)

SpotEdit: Selective Region Editing in Diffusion Transformers
di: Qin, Zhibin, et al.
Pubblicazione: (2025)

Vision Bridge Transformer at Scale
di: Tan, Zhenxiong, et al.
Pubblicazione: (2025)

OminiControl2: Efficient Conditioning for Diffusion Transformers
di: Tan, Zhenxiong, et al.
Pubblicazione: (2025)

StyDeSty: Min-Max Stylization and Destylization for Single Domain Generalization
di: Liu, Songhua, et al.
Pubblicazione: (2024)

Top-Down Compression: Revisit Efficient Vision Token Projection for Visual Instruction Tuning
di: li, Bonan, et al.
Pubblicazione: (2025)

InceptionNeXt: When Inception Meets ConvNeXt
di: Yu, Weihao, et al.
Pubblicazione: (2023)

CoDA: From Text-to-Image Diffusion Models to Training-Free Dataset Distillation
di: Zhou, Letian, et al.
Pubblicazione: (2025)

Reducing Bias and Variance: Generative Semantic Guidance and Bi-Layer Ensemble for Image Clustering
di: Li, Feijiang, et al.
Pubblicazione: (2026)

Control and Realism: Best of Both Worlds in Layout-to-Image without Training
di: Li, Bonan, et al.
Pubblicazione: (2025)

Introducing Visual Perception Token into Multimodal Large Language Model
di: Yu, Runpeng, et al.
Pubblicazione: (2025)

Ungeneralizable Examples
di: Ye, Jingwen, et al.
Pubblicazione: (2024)

TinyFusion: Diffusion Transformers Learned Shallow
di: Fang, Gongfan, et al.
Pubblicazione: (2024)

FreeSwim: Revisiting Sliding-Window Attention Mechanisms for Training-Free Ultra-High-Resolution Video Generation
di: Wu, Yunfeng, et al.
Pubblicazione: (2025)

LinVT: Empower Your Image-level Large Language Model to Understand Videos
di: Gao, Lishuai, et al.
Pubblicazione: (2024)

Teddy: Efficient Large-Scale Dataset Distillation via Taylor-Approximated Matching
di: Yu, Ruonan, et al.
Pubblicazione: (2024)

Attention Prompting on Image for Large Vision-Language Models
di: Yu, Runpeng, et al.
Pubblicazione: (2024)

Data-Efficient Multimodal Fusion on a Single GPU
di: Vouitsis, Noël, et al.
Pubblicazione: (2023)

LinGen: Towards High-Resolution Minute-Length Text-to-Video Generation with Linear Computational Complexity
di: Wang, Hongjie, et al.
Pubblicazione: (2024)

MM-Vet: Evaluating Large Multimodal Models for Integrated Capabilities
di: Yu, Weihao, et al.
Pubblicazione: (2023)

MetaFormer Baselines for Vision
di: Yu, Weihao, et al.
Pubblicazione: (2022)

Flash Sculptor: Modular 3D Worlds from Objects
di: Hu, Yujia, et al.
Pubblicazione: (2025)

Neural Metamorphosis
di: Yang, Xingyi, et al.
Pubblicazione: (2024)

ReflexSplit: Single Image Reflection Separation via Layer Fusion-Separation
di: Lee, Chia-Ming, et al.
Pubblicazione: (2026)

Heavy Labels Out! Dataset Distillation with Label Space Lightening
di: Yu, Ruonan, et al.
Pubblicazione: (2024)

Learning-to-Cache: Accelerating Diffusion Transformer via Layer Caching
di: Ma, Xinyin, et al.
Pubblicazione: (2024)

CrossFuse: Learning Infrared and Visible Image Fusion by Cross-Sensor Top-K Vision Alignment and Beyond
di: Shi, Yukai, et al.
Pubblicazione: (2025)