Buchumschlag

DiffSensei: Bridging Multi-Modal LLMs and Diffusion Models for Customized Manga Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Jianzong, Tang, Chao, Wang, Jingbo, Zeng, Yanhong, Li, Xiangtai, Tong, Yunhai
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: Bridging Customization and Relation Generation
von: Shi, Qingyu, et al.
Veröffentlicht: (2024)

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

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

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

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

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

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

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

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)

Manga Generation via Layout-controllable Diffusion
von: Chen, Siyu, et al.
Veröffentlicht: (2024)

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

AMM-Diff: Adaptive Multi-Modality Diffusion Network for Missing Modality Imputation
von: Kebaili, Aghiles, et al.
Veröffentlicht: (2025)

Diffusion Models For Multi-Modal Generative Modeling
von: Chen, Changyou, et al.
Veröffentlicht: (2024)

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

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

Live2Diff: Live Stream Translation via Uni-directional Attention in Video Diffusion Models
von: Xing, Zhening, et al.
Veröffentlicht: (2024)

DiffThinker: Towards Generative Multimodal Reasoning with Diffusion Models
von: He, Zefeng, et al.
Veröffentlicht: (2025)

MangaFlow: An End-to-End Agentic Framework for Controllable Story to Manga Generation
von: Wang, Muyao, et al.
Veröffentlicht: (2026)

MMaDA-Parallel: Multimodal Large Diffusion Language Models for Thinking-Aware Editing and Generation
von: Tian, Ye, et al.
Veröffentlicht: (2025)

Are They the Same? Exploring Visual Correspondence Shortcomings of Multimodal LLMs
von: Zhou, Yikang, 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)

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

User-Friendly Customized Generation with Multi-Modal Prompts
von: Zhong, Linhao, et al.
Veröffentlicht: (2024)

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

MangaUB: A Manga Understanding Benchmark for Large Multimodal Models
von: Ikuta, Hikaru, et al.
Veröffentlicht: (2024)

FOD-Diff: 3D Multi-Channel Patch Diffusion Model for Fiber Orientation Distribution
von: Tang, Hao, et al.
Veröffentlicht: (2025)

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

Diff-2-in-1: Bridging Generation and Dense Perception with Diffusion Models
von: Zheng, Shuhong, et al.
Veröffentlicht: (2024)

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

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

CRS-Diff: Controllable Remote Sensing Image Generation with Diffusion Model
von: Tang, Datao, et al.
Veröffentlicht: (2024)

Diffusion-Sharpening: Fine-tuning Diffusion Models with Denoising Trajectory Sharpening
von: Tian, Ye, et al.
Veröffentlicht: (2025)

Multi-Modal LLM based Image Captioning in ICT: Bridging the Gap Between General and Industry Domain
von: Chao, Lianying, et al.
Veröffentlicht: (2026)

CamFreeDiff: Camera-free Image to Panorama Generation with Diffusion Model
von: Yuan, Xiaoding, et al.
Veröffentlicht: (2024)

DiffTF++: 3D-aware Diffusion Transformer for Large-Vocabulary 3D Generation
von: Cao, Ziang, et al.
Veröffentlicht: (2024)

The Manga Whisperer: Automatically Generating Transcriptions for Comics
von: Sachdeva, Ragav, et al.
Veröffentlicht: (2024)

DiffX: Guide Your Layout to Cross-Modal Generative Modeling
von: Wang, Zeyu, et al.
Veröffentlicht: (2024)

DiffDecompose: Layer-Wise Decomposition of Alpha-Composited Images via Diffusion Transformers
von: Wang, Zitong, et al.
Veröffentlicht: (2025)