Buchumschlag

DreamRelation: Bridging Customization and Relation Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Qingyu, Qi, Lu, Wu, Jianzong, Bai, Jinbin, Wang, Jingbo, Tong, Yunhai, Li, Xiangtai
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

DreamRelation: Relation-Centric Video Customization
von: Wei, Yujie, et al.
Veröffentlicht: (2025)

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

DiffSensei: Bridging Multi-Modal LLMs and Diffusion Models for Customized Manga Generation
von: Wu, Jianzong, et al.
Veröffentlicht: (2024)

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

RecTok: Reconstruction Distillation along Rectified Flow
von: Shi, Qingyu, et al.
Veröffentlicht: (2025)

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

MotionBooth: Motion-Aware Customized Text-to-Video Generation
von: Wu, Jianzong, et al.
Veröffentlicht: (2024)

Does Hearing Help Seeing? Investigating Audio-Video Joint Denoising for Video Generation
von: Wu, Jianzong, et al.
Veröffentlicht: (2025)

RMP-SAM: Towards Real-Time Multi-Purpose Segment Anything
von: Xu, Shilin, et al.
Veröffentlicht: (2024)

SemFlow: Binding Semantic Segmentation and Image Synthesis via Rectified Flow
von: Wang, Chaoyang, et al.
Veröffentlicht: (2024)

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

CyberV: Cybernetics for Test-time Scaling in Video Understanding
von: Meng, Jiahao, et al.
Veröffentlicht: (2025)

LLAVADI: What Matters For Multimodal Large Language Models Distillation
von: Xu, Shilin, et al.
Veröffentlicht: (2024)

Towards Language-Driven Video Inpainting via Multimodal Large Language Models
von: Wu, Jianzong, et al.
Veröffentlicht: (2024)

Explore In-Context Segmentation via Latent Diffusion Models
von: Wang, Chaoyang, et al.
Veröffentlicht: (2024)

DST-Det: Simple Dynamic Self-Training for Open-Vocabulary Object Detection
von: Xu, Shilin, et al.
Veröffentlicht: (2023)

Auto Cherry-Picker: Learning from High-quality Generative Data Driven by Language
von: Chen, Yicheng, et al.
Veröffentlicht: (2024)

Generative Classifier for Domain Generalization
von: Long, Shaocong, et al.
Veröffentlicht: (2025)

One-Step Distillation of Discrete Diffusion Image Generators via Fixed-Point Iteration
von: Wang, Chaoyang, et al.
Veröffentlicht: (2026)

Meissonic: Revitalizing Masked Generative Transformers for Efficient High-Resolution Text-to-Image Synthesis
von: Bai, Jinbin, et al.
Veröffentlicht: (2024)

DreamO: A Unified Framework for Image Customization
von: Mou, Chong, et al.
Veröffentlicht: (2025)

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

VMoBA: Mixture-of-Block Attention for Video Diffusion Models
von: Wu, Jianzong, et al.
Veröffentlicht: (2025)

Towards Open Vocabulary Learning: A Survey
von: Wu, Jianzong, et al.
Veröffentlicht: (2023)

Pair then Relation: Pair-Net for Panoptic Scene Graph Generation
von: Wang, Jinghao, et al.
Veröffentlicht: (2023)

DreamSwapV: Mask-guided Subject Swapping for Any Customized Video Editing
von: Wang, Weitao, et al.
Veröffentlicht: (2025)

Are They the Same? Exploring Visual Correspondence Shortcomings of Multimodal LLMs
von: Zhou, Yikang, et al.
Veröffentlicht: (2025)

Dream-IF: Dynamic Relative EnhAnceMent for Image Fusion
von: Xu, Xingxin, et al.
Veröffentlicht: (2025)

DreamMix: Decoupling Object Attributes for Enhanced Editability in Customized Image Inpainting
von: Yang, Yicheng, et al.
Veröffentlicht: (2024)

MS-CustomNet: Controllable Multi-Subject Customization with Hierarchical Relational Semantics
von: Cai, Pengxiang, et al.
Veröffentlicht: (2026)

Bridge Feature Matching and Cross-Modal Alignment with Mutual-filtering for Zero-shot Anomaly Detection
von: Bai, Yuhu, et al.
Veröffentlicht: (2025)

Generalization of CNNs on Relational Reasoning with Bar Charts
von: Cui, Zhenxing, et al.
Veröffentlicht: (2025)

VG4D: Vision-Language Model Goes 4D Video Recognition
von: Deng, Zhichao, et al.
Veröffentlicht: (2024)

Federated Domain Generalization with Domain-specific Soft Prompts Generation
von: Wu, Jianhan, et al.
Veröffentlicht: (2025)

DiT360: High-Fidelity Panoramic Image Generation via Hybrid Training
von: Feng, Haoran, et al.
Veröffentlicht: (2025)

Beyond Sole Strength: Customized Ensembles for Generalized Vision-Language Models
von: Lu, Zhihe, et al.
Veröffentlicht: (2023)

Sa2VA: Marrying SAM2 with LLaVA for Dense Grounded Understanding of Images and Videos
von: Yuan, Haobo, et al.
Veröffentlicht: (2025)

Bring Your Dreams to Life: Continual Text-to-Video Customization
von: Dong, Jiahua, et al.
Veröffentlicht: (2025)

CustomVideo: Customizing Text-to-Video Generation with Multiple Subjects
von: Wang, Zhao, et al.
Veröffentlicht: (2024)

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