ByTheWay: Boost Your Text-to-Video Generation Model to Higher Quality in a Training-free Way
Fuente:
arXiv
Salvato in:
| Autori principali: | Bu, Jiazi, Ling, Pengyang, Zhang, Pan, Wu, Tong, Dong, Xiaoyi, Zang, Yuhang, Cao, Yuhang, Lin, Dahua, Wang, Jiaqi |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
HiFlow: Training-free High-Resolution Image Generation with Flow-Aligned Guidance
di: Bu, Jiazi, et al.
Pubblicazione: (2025)
di: Bu, Jiazi, et al.
Pubblicazione: (2025)
MotionClone: Training-Free Motion Cloning for Controllable Video Generation
di: Ling, Pengyang, et al.
Pubblicazione: (2024)
di: Ling, Pengyang, et al.
Pubblicazione: (2024)
Light-A-Video: Training-free Video Relighting via Progressive Light Fusion
di: Zhou, Yujie, et al.
Pubblicazione: (2025)
di: Zhou, Yujie, et al.
Pubblicazione: (2025)
DiCache: Let Diffusion Model Determine Its Own Cache
di: Bu, Jiazi, et al.
Pubblicazione: (2025)
di: Bu, Jiazi, et al.
Pubblicazione: (2025)
Beyond Fixed: Training-Free Variable-Length Denoising for Diffusion Large Language Models
di: Li, Jinsong, et al.
Pubblicazione: (2025)
di: Li, Jinsong, et al.
Pubblicazione: (2025)
BoostStep: Boosting mathematical capability of Large Language Models via improved single-step reasoning
di: Zhang, Beichen, et al.
Pubblicazione: (2025)
di: Zhang, Beichen, et al.
Pubblicazione: (2025)
SAM2Long: Enhancing SAM 2 for Long Video Segmentation with a Training-Free Memory Tree
di: Ding, Shuangrui, et al.
Pubblicazione: (2024)
di: Ding, Shuangrui, et al.
Pubblicazione: (2024)
Visual Self-Refine: A Pixel-Guided Paradigm for Accurate Chart Parsing
di: Li, Jinsong, et al.
Pubblicazione: (2026)
di: Li, Jinsong, et al.
Pubblicazione: (2026)
SongGen: A Single Stage Auto-regressive Transformer for Text-to-Song Generation
di: Liu, Zihan, et al.
Pubblicazione: (2025)
di: Liu, Zihan, et al.
Pubblicazione: (2025)
Dispider: Enabling Video LLMs with Active Real-Time Interaction via Disentangled Perception, Decision, and Reaction
di: Qian, Rui, et al.
Pubblicazione: (2025)
di: Qian, Rui, et al.
Pubblicazione: (2025)
From Sparse to Dense: Multi-View GRPO for Flow Models via Augmented Condition Space
di: Bu, Jiazi, et al.
Pubblicazione: (2026)
di: Bu, Jiazi, et al.
Pubblicazione: (2026)
Are We on the Right Way for Evaluating Large Vision-Language Models?
di: Chen, Lin, et al.
Pubblicazione: (2024)
di: Chen, Lin, et al.
Pubblicazione: (2024)
Think Visually, Reason Textually: Vision-Language Synergy in ARC
di: Zhang, Beichen, et al.
Pubblicazione: (2025)
di: Zhang, Beichen, et al.
Pubblicazione: (2025)
Streaming Long Video Understanding with Large Language Models
di: Qian, Rui, et al.
Pubblicazione: (2024)
di: Qian, Rui, et al.
Pubblicazione: (2024)
SEAgent: Self-Evolving Computer Use Agent with Autonomous Learning from Experience
di: Sun, Zeyi, et al.
Pubblicazione: (2025)
di: Sun, Zeyi, et al.
Pubblicazione: (2025)
DualFocus: Integrating Macro and Micro Perspectives in Multi-modal Large Language Models
di: Cao, Yuhang, et al.
Pubblicazione: (2024)
di: Cao, Yuhang, et al.
Pubblicazione: (2024)
Fine-Grained GRPO for Precise Preference Alignment in Flow Models
di: Zhou, Yujie, et al.
Pubblicazione: (2025)
di: Zhou, Yujie, et al.
Pubblicazione: (2025)
PyramidDrop: Accelerating Your Large Vision-Language Models via Pyramid Visual Redundancy Reduction
di: Xing, Long, et al.
Pubblicazione: (2024)
di: Xing, Long, et al.
Pubblicazione: (2024)
VideoRoPE: What Makes for Good Video Rotary Position Embedding?
di: Wei, Xilin, et al.
Pubblicazione: (2025)
di: Wei, Xilin, et al.
Pubblicazione: (2025)
Advancing Complex Video Object Segmentation via Progressive Concept Construction
di: Zhang, Zhixiong, et al.
Pubblicazione: (2025)
di: Zhang, Zhixiong, et al.
Pubblicazione: (2025)
Long-CLIP: Unlocking the Long-Text Capability of CLIP
di: Zhang, Beichen, et al.
Pubblicazione: (2024)
di: Zhang, Beichen, et al.
Pubblicazione: (2024)
SPARK: Synergistic Policy And Reward Co-Evolving Framework
di: Liu, Ziyu, et al.
Pubblicazione: (2025)
di: Liu, Ziyu, et al.
Pubblicazione: (2025)
Visual-RFT: Visual Reinforcement Fine-Tuning
di: Liu, Ziyu, et al.
Pubblicazione: (2025)
di: Liu, Ziyu, et al.
Pubblicazione: (2025)
SIM-CoT: Supervised Implicit Chain-of-Thought
di: Wei, Xilin, et al.
Pubblicazione: (2025)
di: Wei, Xilin, et al.
Pubblicazione: (2025)
2nd Place Report of MOSEv2 Challenge 2025: Concept Guided Video Object Segmentation via SeC
di: Zhang, Zhixiong, et al.
Pubblicazione: (2025)
di: Zhang, Zhixiong, et al.
Pubblicazione: (2025)
Deciphering Cross-Modal Alignment in Large Vision-Language Models with Modality Integration Rate
di: Huang, Qidong, et al.
Pubblicazione: (2024)
di: Huang, Qidong, et al.
Pubblicazione: (2024)
ReasonPix2Pix: Instruction Reasoning Dataset for Advanced Image Editing
di: Jin, Ying, et al.
Pubblicazione: (2024)
di: Jin, Ying, et al.
Pubblicazione: (2024)
Bootstrap3D: Improving Multi-view Diffusion Model with Synthetic Data
di: Sun, Zeyi, et al.
Pubblicazione: (2024)
di: Sun, Zeyi, et al.
Pubblicazione: (2024)
X-Prompt: Towards Universal In-Context Image Generation in Auto-Regressive Vision Language Foundation Models
di: Sun, Zeyi, et al.
Pubblicazione: (2024)
di: Sun, Zeyi, et al.
Pubblicazione: (2024)
CapRL: Stimulating Dense Image Caption Capabilities via Reinforcement Learning
di: Xing, Long, et al.
Pubblicazione: (2025)
di: Xing, Long, et al.
Pubblicazione: (2025)
Spatial-SSRL: Enhancing Spatial Understanding via Self-Supervised Reinforcement Learning
di: Liu, Yuhong, et al.
Pubblicazione: (2025)
di: Liu, Yuhong, et al.
Pubblicazione: (2025)
Visual Agentic Reinforcement Fine-Tuning
di: Liu, Ziyu, et al.
Pubblicazione: (2025)
di: Liu, Ziyu, et al.
Pubblicazione: (2025)
MIA-DPO: Multi-Image Augmented Direct Preference Optimization For Large Vision-Language Models
di: Liu, Ziyu, et al.
Pubblicazione: (2024)
di: Liu, Ziyu, et al.
Pubblicazione: (2024)
MM-IFEngine: Towards Multimodal Instruction Following
di: Ding, Shengyuan, et al.
Pubblicazione: (2025)
di: Ding, Shengyuan, et al.
Pubblicazione: (2025)
Unified Personalized Reward Model for Vision Generation
di: Wang, Yibin, et al.
Pubblicazione: (2026)
di: Wang, Yibin, et al.
Pubblicazione: (2026)
Uni-Classifier: Leveraging Video Diffusion Priors for Universal Guidance Classifier
di: Zhou, Yujie, et al.
Pubblicazione: (2026)
di: Zhou, Yujie, et al.
Pubblicazione: (2026)
Pave-GRPO: Beyond Instantaneous Guidance through Principled Average Velocity Decomposition
di: Ling, Pengyang, et al.
Pubblicazione: (2026)
di: Ling, Pengyang, et al.
Pubblicazione: (2026)
Demo-ICL: In-Context Learning for Procedural Video Knowledge Acquisition
di: Dong, Yuhao, et al.
Pubblicazione: (2026)
di: Dong, Yuhao, et al.
Pubblicazione: (2026)
OVO-Bench: How Far is Your Video-LLMs from Real-World Online Video Understanding?
di: Li, Yifei, et al.
Pubblicazione: (2025)
di: Li, Yifei, et al.
Pubblicazione: (2025)
Pref-GRPO: Pairwise Preference Reward-based GRPO for Stable Text-to-Image Reinforcement Learning
di: Wang, Yibin, et al.
Pubblicazione: (2025)
di: Wang, Yibin, et al.
Pubblicazione: (2025)
Documenti analoghi
-
HiFlow: Training-free High-Resolution Image Generation with Flow-Aligned Guidance
di: Bu, Jiazi, et al.
Pubblicazione: (2025) -
MotionClone: Training-Free Motion Cloning for Controllable Video Generation
di: Ling, Pengyang, et al.
Pubblicazione: (2024) -
Light-A-Video: Training-free Video Relighting via Progressive Light Fusion
di: Zhou, Yujie, et al.
Pubblicazione: (2025) -
DiCache: Let Diffusion Model Determine Its Own Cache
di: Bu, Jiazi, et al.
Pubblicazione: (2025) -
Beyond Fixed: Training-Free Variable-Length Denoising for Diffusion Large Language Models
di: Li, Jinsong, et al.
Pubblicazione: (2025)