Buchumschlag

Boosting Latent Diffusion with Perceptual Objectives

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Berrada, Tariq, Astolfi, Pietro, Hall, Melissa, Havasi, Marton, Benchetrit, Yohann, Romero-Soriano, Adriana, Alahari, Karteek, Drozdzal, Michal, Verbeek, Jakob
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

On Improved Conditioning Mechanisms and Pre-training Strategies for Diffusion Models
von: Ifriqi, Tariq Berrada, et al.
Veröffentlicht: (2024)

Entropy Rectifying Guidance for Diffusion and Flow Models
von: Ifriqi, Tariq Berrada, et al.
Veröffentlicht: (2025)

Unlocking Pre-trained Image Backbones for Semantic Image Synthesis
von: Berrada, Tariq, et al.
Veröffentlicht: (2023)

EvalGIM: A Library for Evaluating Generative Image Models
von: Hall, Melissa, et al.
Veröffentlicht: (2024)

Flowception: Temporally Expansive Flow Matching for Video Generation
von: Ifriqi, Tariq Berrada, et al.
Veröffentlicht: (2025)

Consistency-diversity-realism Pareto fronts of conditional image generative models
von: Astolfi, Pietro, et al.
Veröffentlicht: (2024)

Object-centric Binding in Contrastive Language-Image Pretraining
von: Assouel, Rim, et al.
Veröffentlicht: (2025)

Increasing the Utility of Synthetic Images through Chamfer Guidance
von: Dall'Asen, Nicola, et al.
Veröffentlicht: (2025)

Improving Text-to-Image Consistency via Automatic Prompt Optimization
von: Mañas, Oscar, et al.
Veröffentlicht: (2024)

Improving the Scaling Laws of Synthetic Data with Deliberate Practice
von: Askari-Hemmat, Reyhane, et al.
Veröffentlicht: (2025)

DIG In: Evaluating Disparities in Image Generations with Indicators for Geographic Diversity
von: Hall, Melissa, et al.
Veröffentlicht: (2023)

Improving Geo-diversity of Generated Images with Contextualized Vendi Score Guidance
von: Hemmat, Reyhane Askari, et al.
Veröffentlicht: (2024)

Towards Geographic Inclusion in the Evaluation of Text-to-Image Models
von: Hall, Melissa, et al.
Veröffentlicht: (2024)

The Intricate Dance of Prompt Complexity, Quality, Diversity, and Consistency in T2I Models
von: Xiaofeng, Zhang, et al.
Veröffentlicht: (2025)

PGT: Procedurally Generated Tasks for improving visual grounding in MLLMs
von: Assouel, Rim, et al.
Veröffentlicht: (2026)

Source-free Video Domain Adaptation by Learning from Noisy Labels
von: Dasgupta, Avijit, et al.
Veröffentlicht: (2023)

Inference-time Physics Alignment of Video Generative Models with Latent World Models
von: Yuan, Jianhao, et al.
Veröffentlicht: (2026)

Multi-Modal Language Models as Text-to-Image Model Evaluators
von: Chen, Jiahui, et al.
Veröffentlicht: (2025)

Online In-Context Distillation for Low-Resource Vision Language Models
von: Kang, Zhiqi, et al.
Veröffentlicht: (2025)

Advancing Prompt-Based Methods for Replay-Independent General Continual Learning
von: Kang, Zhiqi, et al.
Veröffentlicht: (2025)

Exploring High-Order Self-Similarity for Video Understanding
von: Kim, Manjin, et al.
Veröffentlicht: (2026)

OneFlow: Concurrent Mixed-Modal and Interleaved Generation with Edit Flows
von: Nguyen, John, et al.
Veröffentlicht: (2025)

Evaluating the Label Efficiency of Contrastive Self-Supervised Learning for Multi-Resolution Satellite Imagery
von: Bourcier, Jules, et al.
Veröffentlicht: (2022)

On the Shift Invariance of Max Pooling Feature Maps in Convolutional Neural Networks
von: Leterme, Hubert, et al.
Veröffentlicht: (2022)

From CNNs to Shift-Invariant Twin Models Based on Complex Wavelets
von: Leterme, Hubert, et al.
Veröffentlicht: (2022)

Dynadiff: Single-stage Decoding of Images from Continuously Evolving fMRI
von: Careil, Marlène, et al.
Veröffentlicht: (2025)

Feedback-guided Data Synthesis for Imbalanced Classification
von: Hemmat, Reyhane Askari, et al.
Veröffentlicht: (2023)

Improved Baselines for Data-efficient Perceptual Augmentation of LLMs
von: Vallaeys, Théophane, et al.
Veröffentlicht: (2024)

DP-RDM: Adapting Diffusion Models to Private Domains Without Fine-Tuning
von: Lebensold, Jonathan, et al.
Veröffentlicht: (2024)

A Picture is Worth More Than 77 Text Tokens: Evaluating CLIP-Style Models on Dense Captions
von: Urbanek, Jack, et al.
Veröffentlicht: (2023)

Improving the Physics of Video Generation with VJEPA-2 Reward Signal
von: Yuan, Jianhao, et al.
Veröffentlicht: (2025)

Controlling Multimodal LLMs via Reward-guided Decoding
von: Mañas, Oscar, et al.
Veröffentlicht: (2025)

Self-Supervised Pretraining on Satellite Imagery: a Case Study on Label-Efficient Vehicle Detection
von: BOURCIER, Jules, et al.
Veröffentlicht: (2022)

Lightweight Structure-Aware Attention for Visual Understanding
von: Kwon, Heeseung, et al.
Veröffentlicht: (2022)

SSDD: Single-Step Diffusion Decoder for Efficient Image Tokenization
von: Vallaeys, Théophane, et al.
Veröffentlicht: (2025)

Latent Guidance in Diffusion Models for Perceptual Evaluations
von: Saini, Shreshth, et al.
Veröffentlicht: (2025)

Boosting Latent Diffusion with Flow Matching
von: Schusterbauer, Johannes, et al.
Veröffentlicht: (2023)

DIMCIM: A Quantitative Evaluation Framework for Default-mode Diversity and Generalization in Text-to-Image Generative Models
von: Teotia, Revant, et al.
Veröffentlicht: (2025)

Brain decoding: toward real-time reconstruction of visual perception
von: Benchetrit, Yohann, et al.
Veröffentlicht: (2023)

Evaluating the Relevance of Uncertainty Estimators for LLM Hallucination
von: Agnimo, Yedidia, et al.
Veröffentlicht: (2026)