How to Continually Adapt Text-to-Image Diffusion Models for Flexible Customization?
Fuente:
arXiv
Salvato in:
| Autori principali: | Dong, Jiahua, Liang, Wenqi, Li, Hongliu, Zhang, Duzhen, Cao, Meng, Ding, Henghui, Khan, Salman, Khan, Fahad Shahbaz |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Bring Your Dreams to Life: Continual Text-to-Video Customization
di: Dong, Jiahua, et al.
Pubblicazione: (2025)
di: Dong, Jiahua, et al.
Pubblicazione: (2025)
Hierarchical Visual Prompt Learning for Continual Video Instance Segmentation
di: Dong, Jiahua, et al.
Pubblicazione: (2025)
di: Dong, Jiahua, et al.
Pubblicazione: (2025)
Dual Hyperspectral Mamba for Efficient Spectral Compressive Imaging
di: Dong, Jiahua, et al.
Pubblicazione: (2024)
di: Dong, Jiahua, et al.
Pubblicazione: (2024)
DEFT: Decompositional Efficient Fine-Tuning for Text-to-Image Models
di: Kumar, Komal, et al.
Pubblicazione: (2025)
di: Kumar, Komal, et al.
Pubblicazione: (2025)
Language Guided Domain Generalized Medical Image Segmentation
di: Kunhimon, Shahina, et al.
Pubblicazione: (2024)
di: Kunhimon, Shahina, et al.
Pubblicazione: (2024)
UniMed-CLIP: Towards a Unified Image-Text Pretraining Paradigm for Diverse Medical Imaging Modalities
di: Khattak, Muhammad Uzair, et al.
Pubblicazione: (2024)
di: Khattak, Muhammad Uzair, et al.
Pubblicazione: (2024)
Cross-Modal Self-Training: Aligning Images and Pointclouds to Learn Classification without Labels
di: Dharmasiri, Amaya, et al.
Pubblicazione: (2024)
di: Dharmasiri, Amaya, et al.
Pubblicazione: (2024)
VideoGLaMM: A Large Multimodal Model for Pixel-Level Visual Grounding in Videos
di: Munasinghe, Shehan, et al.
Pubblicazione: (2024)
di: Munasinghe, Shehan, et al.
Pubblicazione: (2024)
Discriminative Image Generation with Diffusion Models for Zero-Shot Learning
di: Fu, Dingjie, et al.
Pubblicazione: (2024)
di: Fu, Dingjie, et al.
Pubblicazione: (2024)
Interpretable Zero-Shot Learning with Locally-Aligned Vision-Language Model
di: Chen, Shiming, et al.
Pubblicazione: (2025)
di: Chen, Shiming, et al.
Pubblicazione: (2025)
Video-R2: Reinforcing Consistent and Grounded Reasoning in Multimodal Language Models
di: Maaz, Muhammad, et al.
Pubblicazione: (2025)
di: Maaz, Muhammad, et al.
Pubblicazione: (2025)
Video-ChatGPT: Towards Detailed Video Understanding via Large Vision and Language Models
di: Maaz, Muhammad, et al.
Pubblicazione: (2023)
di: Maaz, Muhammad, et al.
Pubblicazione: (2023)
RainDiff: End-to-end Precipitation Nowcasting Via Token-wise Attention Diffusion
di: Nguyen, Thao, et al.
Pubblicazione: (2025)
di: Nguyen, Thao, et al.
Pubblicazione: (2025)
Enhancing Novel Object Detection via Cooperative Foundational Models
di: Bharadwaj, Rohit, et al.
Pubblicazione: (2023)
di: Bharadwaj, Rohit, et al.
Pubblicazione: (2023)
Hierarchical Text-to-Vision Self Supervised Alignment for Improved Histopathology Representation Learning
di: Watawana, Hasindri, et al.
Pubblicazione: (2024)
di: Watawana, Hasindri, et al.
Pubblicazione: (2024)
Vocabulary-free Fine-grained Visual Recognition via Enriched Contextually Grounded Vision-Language Model
di: Demidov, Dmitry, et al.
Pubblicazione: (2025)
di: Demidov, Dmitry, et al.
Pubblicazione: (2025)
GenZSL: Generative Zero-Shot Learning Via Inductive Variational Autoencoder
di: Chen, Shiming, et al.
Pubblicazione: (2025)
di: Chen, Shiming, et al.
Pubblicazione: (2025)
Progressive Semantic-Guided Vision Transformer for Zero-Shot Learning
di: Chen, Shiming, et al.
Pubblicazione: (2024)
di: Chen, Shiming, et al.
Pubblicazione: (2024)
Learnable Weight Initialization for Volumetric Medical Image Segmentation
di: Kunhimon, Shahina, et al.
Pubblicazione: (2023)
di: Kunhimon, Shahina, et al.
Pubblicazione: (2023)
Towards Evaluating the Robustness of Visual State Space Models
di: Malik, Hashmat Shadab, et al.
Pubblicazione: (2024)
di: Malik, Hashmat Shadab, et al.
Pubblicazione: (2024)
GroupMamba: Efficient Group-Based Visual State Space Model
di: Shaker, Abdelrahman, et al.
Pubblicazione: (2024)
di: Shaker, Abdelrahman, et al.
Pubblicazione: (2024)
Hierarchical Self-Supervised Adversarial Training for Robust Vision Models in Histopathology
di: Malik, Hashmat Shadab, et al.
Pubblicazione: (2025)
di: Malik, Hashmat Shadab, et al.
Pubblicazione: (2025)
VURF: A General-purpose Reasoning and Self-refinement Framework for Video Understanding
di: Mahmood, Ahmad, et al.
Pubblicazione: (2024)
di: Mahmood, Ahmad, et al.
Pubblicazione: (2024)
VANE-Bench: Video Anomaly Evaluation Benchmark for Conversational LMMs
di: Bharadwaj, Rohit, et al.
Pubblicazione: (2024)
di: Bharadwaj, Rohit, et al.
Pubblicazione: (2024)
ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection
di: Noman, Mubashir, et al.
Pubblicazione: (2024)
di: Noman, Mubashir, et al.
Pubblicazione: (2024)
UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation
di: Shaker, Abdelrahman, et al.
Pubblicazione: (2022)
di: Shaker, Abdelrahman, et al.
Pubblicazione: (2022)
Continual LLaVA: Continual Instruction Tuning in Large Vision-Language Models
di: Cao, Meng, et al.
Pubblicazione: (2024)
di: Cao, Meng, et al.
Pubblicazione: (2024)
TAViS: Text-bridged Audio-Visual Segmentation with Foundation Models
di: Luo, Ziyang, et al.
Pubblicazione: (2025)
di: Luo, Ziyang, et al.
Pubblicazione: (2025)
FasterVAR: Plug-and-Play Acceleration for Visual Autoregressive Models
di: Li, Senmao, et al.
Pubblicazione: (2025)
di: Li, Senmao, et al.
Pubblicazione: (2025)
AdaIR: Adaptive All-in-One Image Restoration via Frequency Mining and Modulation
di: Cui, Yuning, et al.
Pubblicazione: (2024)
di: Cui, Yuning, et al.
Pubblicazione: (2024)
Mobile-VideoGPT: Fast and Accurate Model for Mobile Video Understanding
di: Shaker, Abdelrahman, et al.
Pubblicazione: (2025)
di: Shaker, Abdelrahman, et al.
Pubblicazione: (2025)
ObjectCompose: Evaluating Resilience of Vision-Based Models on Object-to-Background Compositional Changes
di: Malik, Hashmat Shadab, et al.
Pubblicazione: (2024)
di: Malik, Hashmat Shadab, et al.
Pubblicazione: (2024)
MuseumMaker: Continual Style Customization without Catastrophic Forgetting
di: Liu, Chenxi, et al.
Pubblicazione: (2024)
di: Liu, Chenxi, et al.
Pubblicazione: (2024)
LawDIS: Language-Window-based Controllable Dichotomous Image Segmentation
di: Yan, Xinyu, et al.
Pubblicazione: (2025)
di: Yan, Xinyu, et al.
Pubblicazione: (2025)
Dynamic Pre-training: Towards Efficient and Scalable All-in-One Image Restoration
di: Dudhane, Akshay, et al.
Pubblicazione: (2024)
di: Dudhane, Akshay, et al.
Pubblicazione: (2024)
VideoGPT+: Integrating Image and Video Encoders for Enhanced Video Understanding
di: Maaz, Muhammad, et al.
Pubblicazione: (2024)
di: Maaz, Muhammad, et al.
Pubblicazione: (2024)
Get What You Want, Not What You Don't: Image Content Suppression for Text-to-Image Diffusion Models
di: Li, Senmao, et al.
Pubblicazione: (2024)
di: Li, Senmao, et al.
Pubblicazione: (2024)
WorldCache: Content-Aware Caching for Accelerated Video World Models
di: Nawaz, Umair, et al.
Pubblicazione: (2026)
di: Nawaz, Umair, et al.
Pubblicazione: (2026)
Tracking Meets Large Multimodal Models for Driving Scenario Understanding
di: Ishaq, Ayesha, et al.
Pubblicazione: (2025)
di: Ishaq, Ayesha, et al.
Pubblicazione: (2025)
BAPLe: Backdoor Attacks on Medical Foundational Models using Prompt Learning
di: Hanif, Asif, et al.
Pubblicazione: (2024)
di: Hanif, Asif, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Bring Your Dreams to Life: Continual Text-to-Video Customization
di: Dong, Jiahua, et al.
Pubblicazione: (2025) -
Hierarchical Visual Prompt Learning for Continual Video Instance Segmentation
di: Dong, Jiahua, et al.
Pubblicazione: (2025) -
Dual Hyperspectral Mamba for Efficient Spectral Compressive Imaging
di: Dong, Jiahua, et al.
Pubblicazione: (2024) -
DEFT: Decompositional Efficient Fine-Tuning for Text-to-Image Models
di: Kumar, Komal, et al.
Pubblicazione: (2025) -
Language Guided Domain Generalized Medical Image Segmentation
di: Kunhimon, Shahina, et al.
Pubblicazione: (2024)