StarVid: Enhancing Semantic Alignment in Video Diffusion Models via Spatial and SynTactic Guided Attention Refocusing
Fuente:
arXiv
Salvato in:
| Autori principali: | Li, Yuanhang, Mao, Qi, Chen, Lan, Fang, Zhen, Tian, Lei, Xiao, Xinyan, Jin, Libiao, Wu, Hua |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Camera Artist: A Multi-Agent Framework for Cinematic Language Storytelling Video Generation
di: Hu, Haobo, et al.
Pubblicazione: (2026)
di: Hu, Haobo, et al.
Pubblicazione: (2026)
Generative Neural Video Compression via Video Diffusion Prior
di: Mao, Qi, et al.
Pubblicazione: (2025)
di: Mao, Qi, et al.
Pubblicazione: (2025)
UniVid: Unifying Vision Tasks with Pre-trained Video Generation Models
di: Chen, Lan, et al.
Pubblicazione: (2025)
di: Chen, Lan, et al.
Pubblicazione: (2025)
Learning to Refocus with Video Diffusion Models
di: Tedla, SaiKiran, et al.
Pubblicazione: (2025)
di: Tedla, SaiKiran, et al.
Pubblicazione: (2025)
IC-Effect: Precise and Efficient Video Effects Editing via In-Context Learning
di: Li, Yuanhang, et al.
Pubblicazione: (2025)
di: Li, Yuanhang, et al.
Pubblicazione: (2025)
Simulate, Refocus and Ensemble: An Attention-Refocusing Scheme for Domain Generalization
di: Wang, Ziyi, et al.
Pubblicazione: (2025)
di: Wang, Ziyi, et al.
Pubblicazione: (2025)
FlowAnchor: Stabilizing the Editing Signal for Inversion-Free Video Editing
di: Chen, Ze, et al.
Pubblicazione: (2026)
di: Chen, Ze, et al.
Pubblicazione: (2026)
MLV-Edit: Towards Consistent and Highly Efficient Editing for Minute-Level Videos
di: Cao, Yangyi, et al.
Pubblicazione: (2026)
di: Cao, Yangyi, et al.
Pubblicazione: (2026)
AlignVid: Training-Free Attention Scaling for Semantic Fidelity in Text-Guided Image-to-Video Generation
di: Liu, Yexin, et al.
Pubblicazione: (2025)
di: Liu, Yexin, et al.
Pubblicazione: (2025)
Any-to-Bokeh: Arbitrary-Subject Video Refocusing with Video Diffusion Model
di: Yang, Yang, et al.
Pubblicazione: (2025)
di: Yang, Yang, et al.
Pubblicazione: (2025)
VidLA: Video-Language Alignment at Scale
di: Rizve, Mamshad Nayeem, et al.
Pubblicazione: (2024)
di: Rizve, Mamshad Nayeem, et al.
Pubblicazione: (2024)
OpenVidVRD: Open-Vocabulary Video Visual Relation Detection via Prompt-Driven Semantic Space Alignment
di: Liu, Qi, et al.
Pubblicazione: (2025)
di: Liu, Qi, et al.
Pubblicazione: (2025)
Target Refocusing via Attention Redistribution for Open-Vocabulary Semantic Segmentation: An Explainability Perspective
di: Li, Jiahao, et al.
Pubblicazione: (2025)
di: Li, Jiahao, et al.
Pubblicazione: (2025)
VidSplat: Gaussian Splatting Reconstruction with Geometry-Guided Video Diffusion Priors
di: Tang, Jimin, et al.
Pubblicazione: (2026)
di: Tang, Jimin, et al.
Pubblicazione: (2026)
VidMusician: Video-to-Music Generation with Semantic-Rhythmic Alignment via Hierarchical Visual Features
di: Li, Sifei, et al.
Pubblicazione: (2024)
di: Li, Sifei, et al.
Pubblicazione: (2024)
RelightVid: Temporal-Consistent Diffusion Model for Video Relighting
di: Fang, Ye, et al.
Pubblicazione: (2025)
di: Fang, Ye, et al.
Pubblicazione: (2025)
TacticExpert: Spatial-Temporal Graph Language Model for Basketball Tactics
di: Lingrui, Xu, et al.
Pubblicazione: (2025)
di: Lingrui, Xu, et al.
Pubblicazione: (2025)
UniVid: Pyramid Diffusion Model for High Quality Video Generation
di: Xiao, Xinyu, et al.
Pubblicazione: (2026)
di: Xiao, Xinyu, et al.
Pubblicazione: (2026)
Echoes as Anchors: Probabilistic Costs and Attention Refocusing in LLM Reasoning
di: Hao, Zhuoyuan, et al.
Pubblicazione: (2026)
di: Hao, Zhuoyuan, et al.
Pubblicazione: (2026)
VidEgoThink: Assessing Egocentric Video Understanding Capabilities for Embodied AI
di: Cheng, Sijie, et al.
Pubblicazione: (2024)
di: Cheng, Sijie, et al.
Pubblicazione: (2024)
VidAnimator: User-Guided Stylized 3D Character Animation from Human Videos
di: Ye, Xinwu, et al.
Pubblicazione: (2025)
di: Ye, Xinwu, et al.
Pubblicazione: (2025)
Mainstream Culture Refocused
di: Zhong, Xueping
Pubblicazione: (2019)
di: Zhong, Xueping
Pubblicazione: (2019)
VidComposition: Can MLLMs Analyze Compositions in Compiled Videos?
di: Tang, Yolo Y., et al.
Pubblicazione: (2024)
di: Tang, Yolo Y., et al.
Pubblicazione: (2024)
SAMA: Factorized Semantic Anchoring and Motion Alignment for Instruction-Guided Video Editing
di: Zhang, Xinyao, et al.
Pubblicazione: (2026)
di: Zhang, Xinyao, et al.
Pubblicazione: (2026)
HarmoVid: Relightful Video Portrait Harmonization
di: Choi, Jun Myeong, et al.
Pubblicazione: (2026)
di: Choi, Jun Myeong, et al.
Pubblicazione: (2026)
VidEdit: Zero-Shot and Spatially Aware Text-Driven Video Editing
di: Couairon, Paul, et al.
Pubblicazione: (2023)
di: Couairon, Paul, et al.
Pubblicazione: (2023)
UniVid: The Open-Source Unified Video Model
di: Luo, Jiabin, et al.
Pubblicazione: (2025)
di: Luo, Jiabin, et al.
Pubblicazione: (2025)
TacticCraft: Natural Language-Driven Tactical Adaptation for StarCraft II
di: Ma, Weiyu, et al.
Pubblicazione: (2025)
di: Ma, Weiyu, et al.
Pubblicazione: (2025)
VLHSA: Vision-Language Hierarchical Semantic Alignment for Jigsaw Puzzle Solving with Eroded Gaps
di: Xu, Zhuoning, et al.
Pubblicazione: (2025)
di: Xu, Zhuoning, et al.
Pubblicazione: (2025)
InstructVid2Vid: Controllable Video Editing with Natural Language Instructions
di: Qin, Bosheng, et al.
Pubblicazione: (2023)
di: Qin, Bosheng, et al.
Pubblicazione: (2023)
SynMotion: Semantic-Visual Adaptation for Motion Customized Video Generation
di: Tan, Shuai, et al.
Pubblicazione: (2025)
di: Tan, Shuai, et al.
Pubblicazione: (2025)
VidCompress: Memory-Enhanced Temporal Compression for Video Understanding in Large Language Models
di: Lan, Xiaohan, et al.
Pubblicazione: (2024)
di: Lan, Xiaohan, et al.
Pubblicazione: (2024)
Robustifying Point Cloud Networks by Refocusing
di: Levi, Meir Yossef, et al.
Pubblicazione: (2023)
di: Levi, Meir Yossef, et al.
Pubblicazione: (2023)
DiffCamera: Arbitrary Refocusing on Images
di: Wang, Yiyang, et al.
Pubblicazione: (2025)
di: Wang, Yiyang, et al.
Pubblicazione: (2025)
Refocusing spacetimes need not be strongly refocusing
di: Bauermeister, Friedrich
Pubblicazione: (2026)
di: Bauermeister, Friedrich
Pubblicazione: (2026)
Semantic-Space-Intervened Diffusive Alignment for Visual Classification
di: Li, Zixuan, et al.
Pubblicazione: (2025)
di: Li, Zixuan, et al.
Pubblicazione: (2025)
VidSketch: Hand-drawn Sketch-Driven Video Generation with Diffusion Control
di: Jiang, Lifan, et al.
Pubblicazione: (2025)
di: Jiang, Lifan, et al.
Pubblicazione: (2025)
Vid2World: Crafting Video Diffusion Models to Interactive World Models
di: Huang, Siqiao, et al.
Pubblicazione: (2025)
di: Huang, Siqiao, et al.
Pubblicazione: (2025)
NaVid: Video-based VLM Plans the Next Step for Vision-and-Language Navigation
di: Zhang, Jiazhao, et al.
Pubblicazione: (2024)
di: Zhang, Jiazhao, et al.
Pubblicazione: (2024)
VidCoM: Fast Video Comprehension through Large Language Models with Multimodal Tools
di: Qi, Ji, et al.
Pubblicazione: (2023)
di: Qi, Ji, et al.
Pubblicazione: (2023)
Documenti analoghi
-
Camera Artist: A Multi-Agent Framework for Cinematic Language Storytelling Video Generation
di: Hu, Haobo, et al.
Pubblicazione: (2026) -
Generative Neural Video Compression via Video Diffusion Prior
di: Mao, Qi, et al.
Pubblicazione: (2025) -
UniVid: Unifying Vision Tasks with Pre-trained Video Generation Models
di: Chen, Lan, et al.
Pubblicazione: (2025) -
Learning to Refocus with Video Diffusion Models
di: Tedla, SaiKiran, et al.
Pubblicazione: (2025) -
IC-Effect: Precise and Efficient Video Effects Editing via In-Context Learning
di: Li, Yuanhang, et al.
Pubblicazione: (2025)