Buchumschlag

Meissonic: Revitalizing Masked Generative Transformers for Efficient High-Resolution Text-to-Image Synthesis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bai, Jinbin, Ye, Tian, Chow, Wei, Song, Enxin, Li, Xiangtai, Dong, Zhen, Zhu, Lei, Yan, Shuicheng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

HumanEdit: A High-Quality Human-Rewarded Dataset for Instruction-based Image Editing
von: Bai, Jinbin, et al.
Veröffentlicht: (2024)

EditMGT: Unleashing Potentials of Masked Generative Transformers in Image Editing
von: Chow, Wei, et al.
Veröffentlicht: (2025)

Masked Generative Transformer Is What You Need for Image Editing
von: Chow, Wei, et al.
Veröffentlicht: (2026)

Muddit: Liberating Generation Beyond Text-to-Image with a Unified Discrete Diffusion Model
von: Shi, Qingyu, et al.
Veröffentlicht: (2025)

Conditional Panoramic Image Generation via Masked Autoregressive Modeling
von: Wang, Chaoyang, et al.
Veröffentlicht: (2025)

Integrating View Conditions for Image Synthesis
von: Bai, Jinbin, et al.
Veröffentlicht: (2023)

Bag of Design Choices for Inference of High-Resolution Masked Generative Transformer
von: Shao, Shitong, et al.
Veröffentlicht: (2024)

UltraFlux: Data-Model Co-Design for High-quality Native 4K Text-to-Image Generation across Diverse Aspect Ratios
von: Ye, Tian, et al.
Veröffentlicht: (2025)

MDTv2: Masked Diffusion Transformer is a Strong Image Synthesizer
von: Gao, Shanghua, et al.
Veröffentlicht: (2023)

SANA: Efficient High-Resolution Image Synthesis with Linear Diffusion Transformers
von: Xie, Enze, et al.
Veröffentlicht: (2024)

From Masks to Worlds: A Hitchhiker's Guide to World Models
von: Bai, Jinbin, et al.
Veröffentlicht: (2025)

AuroraLong: Bringing RNNs Back to Efficient Open-Ended Video Understanding
von: Xu, Weili, et al.
Veröffentlicht: (2025)

Decouple and Track: Benchmarking and Improving Video Diffusion Transformers for Motion Transfer
von: Shi, Qingyu, et al.
Veröffentlicht: (2025)

An Empirical Study of GPT-4o Image Generation Capabilities
von: Chen, Sixiang, et al.
Veröffentlicht: (2025)

Evaluating Image Caption via Cycle-consistent Text-to-Image Generation
von: Cui, Tianyu, et al.
Veröffentlicht: (2025)

TextDiff: Mask-Guided Residual Diffusion Models for Scene Text Image Super-Resolution
von: Liu, Baolin, et al.
Veröffentlicht: (2023)

DreamRelation: Bridging Customization and Relation Generation
von: Shi, Qingyu, et al.
Veröffentlicht: (2024)

Personalized Safety Alignment for Text-to-Image Diffusion Models
von: Lei, Yu, et al.
Veröffentlicht: (2025)

Native-Resolution Image Synthesis
von: Wang, Zidong, et al.
Veröffentlicht: (2025)

PixelWizard: Towards Efficient High-Fidelity Video Generation at Ultra-Large Spatial Resolution
von: Li, Wenxue, et al.
Veröffentlicht: (2026)

DVIS-DAQ: Improving Video Segmentation via Dynamic Anchor Queries
von: Zhou, Yikang, et al.
Veröffentlicht: (2024)

Seek for Incantations: Towards Accurate Text-to-Image Diffusion Synthesis through Prompt Engineering
von: Yu, Chang, et al.
Veröffentlicht: (2024)

Synergistic Dual Spatial-aware Generation of Image-to-Text and Text-to-Image
von: Zhao, Yu, et al.
Veröffentlicht: (2024)

LucidFlux: Caption-Free Photo-Realistic Image Restoration via a Large-Scale Diffusion Transformer
von: Fei, Song, et al.
Veröffentlicht: (2025)

MovieChat+: Question-aware Sparse Memory for Long Video Question Answering
von: Song, Enxin, et al.
Veröffentlicht: (2024)

Quiz Game Show With PowerPoint and Zoom: Revitalizing a Classical Tool for Modern Learners
von: Nazlee Sharmin, et al.
Veröffentlicht: (2026)

UNCAGE: Contrastive Attention Guidance for Masked Generative Transformers in Text-to-Image Generation
von: Kang, Wonjun, et al.
Veröffentlicht: (2025)

Mamba or RWKV: Exploring High-Quality and High-Efficiency Segment Anything Model
von: Yuan, Haobo, et al.
Veröffentlicht: (2024)

PointDGRWKV: Generalizing RWKV-like Architecture to Unseen Domains for Point Cloud Classification
von: Yang, Hao, et al.
Veröffentlicht: (2025)

DGMamba: Domain Generalization via Generalized State Space Model
von: Long, Shaocong, et al.
Veröffentlicht: (2024)

UltraPixel: Advancing Ultra-High-Resolution Image Synthesis to New Peaks
von: Ren, Jingjing, et al.
Veröffentlicht: (2024)

Efficient Transformer for High Resolution Image Motion Deblurring
von: Akmaral, Amanturdieva, et al.
Veröffentlicht: (2025)

Spikformer V2: Join the High Accuracy Club on ImageNet with an SNN Ticket
von: Zhou, Zhaokun, et al.
Veröffentlicht: (2024)

PathDiff: Histopathology Image Synthesis with Unpaired Text and Mask Conditions
von: Bhosale, Mahesh, et al.
Veröffentlicht: (2025)

Scaling Rectified Flow Transformers for High-Resolution Image Synthesis
von: Esser, Patrick, et al.
Veröffentlicht: (2024)

InfGen: A Resolution-Agnostic Paradigm for Scalable Image Synthesis
von: Han, Tao, et al.
Veröffentlicht: (2025)

PointDGMamba: Domain Generalization of Point Cloud Classification via Generalized State Space Model
von: Yang, Hao, et al.
Veröffentlicht: (2024)

Reason3D: Searching and Reasoning 3D Segmentation via Large Language Model
von: Huang, Kuan-Chih, et al.
Veröffentlicht: (2024)

Synergizing Understanding and Generation with Interleaved Analyzing-Drafting Thinking
von: Wu, Shengqiong, et al.
Veröffentlicht: (2026)

EfficientIML: Efficient High-Resolution Image Manipulation Localization
von: Li, Jinhan, et al.
Veröffentlicht: (2025)