Buchumschlag

Learning Visual Generative Priors without Text

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ma, Shuailei, Zheng, Kecheng, Wei, Ying, Wu, Wei, Lu, Fan, Zhang, Yifei, Xie, Chen-Wei, Gong, Biao, Zhu, Jiapeng, Shen, Yujun
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

DreamLIP: Language-Image Pre-training with Long Captions
von: Zheng, Kecheng, et al.
Veröffentlicht: (2024)

LoTLIP: Improving Language-Image Pre-training for Long Text Understanding
von: Wu, Wei, et al.
Veröffentlicht: (2024)

Benchmarking Large Vision-Language Models via Directed Scene Graph for Comprehensive Image Captioning
von: Lu, Fan, et al.
Veröffentlicht: (2024)

SynMotion: Semantic-Visual Adaptation for Motion Customized Video Generation
von: Tan, Shuai, et al.
Veröffentlicht: (2025)

Aligned Better, Listen Better for Audio-Visual Large Language Models
von: Guo, Yuxin, et al.
Veröffentlicht: (2025)

Mimir: Improving Video Diffusion Models for Precise Text Understanding
von: Tan, Shuai, et al.
Veröffentlicht: (2024)

Understanding the Multi-modal Prompts of the Pre-trained Vision-Language Model
von: Ma, Shuailei, et al.
Veröffentlicht: (2023)

MoTe: Learning Motion-Text Diffusion Model for Multiple Generation Tasks
von: Wu, Yiming, et al.
Veröffentlicht: (2024)

UKnow: A Unified Knowledge Protocol with Multimodal Knowledge Graph Datasets for Reasoning and Vision-Language Pre-Training
von: Gong, Biao, et al.
Veröffentlicht: (2023)

Framer: Interactive Frame Interpolation
von: Wang, Wen, et al.
Veröffentlicht: (2024)

UCD: Unconditional Discriminator Promotes Nash Equilibrium in GANs
von: Xia, Mengfei, et al.
Veröffentlicht: (2025)

Ranni: Taming Text-to-Image Diffusion for Accurate Instruction Following
von: Feng, Yutong, et al.
Veröffentlicht: (2023)

SKDF: A Simple Knowledge Distillation Framework for Distilling Open-Vocabulary Knowledge to Open-world Object Detector
von: Ma, Shuailei, et al.
Veröffentlicht: (2023)

TagAlign: Improving Vision-Language Alignment with Multi-Tag Classification
von: Liu, Qinying, et al.
Veröffentlicht: (2023)

PhysRVG: Physics-Aware Unified Reinforcement Learning for Video Generative Models
von: Zhang, Qiyuan, et al.
Veröffentlicht: (2026)

Paying More Attention to Image: A Training-Free Method for Alleviating Hallucination in LVLMs
von: Liu, Shi, et al.
Veröffentlicht: (2024)

CoReS: Orchestrating the Dance of Reasoning and Segmentation
von: Bao, Xiaoyi, et al.
Veröffentlicht: (2024)

Contextual AD Narration with Interleaved Multimodal Sequence
von: Wang, Hanlin, et al.
Veröffentlicht: (2024)

Beyond Text: Frozen Large Language Models in Visual Signal Comprehension
von: Zhu, Lei, et al.
Veröffentlicht: (2024)

DreamView: Injecting View-specific Text Guidance into Text-to-3D Generation
von: Yan, Junkai, et al.
Veröffentlicht: (2024)

DreamDissector: Learning Disentangled Text-to-3D Generation from 2D Diffusion Priors
von: Yan, Zizheng, et al.
Veröffentlicht: (2024)

Diffusion Models Need Visual Priors for Image Generation
von: Yue, Xiaoyu, et al.
Veröffentlicht: (2024)

Supervised Learning without Backpropagation using Spike-Timing-Dependent Plasticity for Image Recognition
von: Xie, Wei
Veröffentlicht: (2024)

Harmonizing Visual Text Comprehension and Generation
von: Zhao, Zhen, et al.
Veröffentlicht: (2024)

Motion2VecSets: 4D Latent Vector Set Diffusion for Non-rigid Shape Reconstruction and Tracking
von: Cao, Wei, et al.
Veröffentlicht: (2024)

Overcoming Language Priors for Visual Question Answering Based on Knowledge Distillation
von: Peng, Daowan, et al.
Veröffentlicht: (2025)

Knowledge Visualization: A Benchmark and Method for Knowledge-Intensive Text-to-Image Generation
von: Zhao, Ran, et al.
Veröffentlicht: (2026)

Learning Visual Affordance from Audio
von: Lu, Lidong, et al.
Veröffentlicht: (2025)

GenPC: Zero-shot Point Cloud Completion via 3D Generative Priors
von: Li, An, et al.
Veröffentlicht: (2025)

Advancing Open-source World Models
von: Robbyant Team, et al.
Veröffentlicht: (2026)

Learning Naturally Aggregated Appearance for Efficient 3D Editing
von: Cheng, Ka Leong, et al.
Veröffentlicht: (2023)

StableDub: Taming Diffusion Prior for Generalized and Efficient Visual Dubbing
von: Chen, Liyang, et al.
Veröffentlicht: (2025)

A Pragmatic VLA Foundation Model
von: Wu, Wei, et al.
Veröffentlicht: (2026)

MePT: Multi-Representation Guided Prompt Tuning for Vision-Language Model
von: Wang, Xinyang, et al.
Veröffentlicht: (2024)

DP-TTA: Test-time Adaptation for Transient Electromagnetic Signal Denoising via Dictionary-driven Prior Regularization
von: Yang, Meng, et al.
Veröffentlicht: (2025)

TOOLCAD: Exploring Tool-Using Large Language Models in Text-to-CAD Generation with Reinforcement Learning
von: Gong, Yifei, et al.
Veröffentlicht: (2026)

MagicQuillV2: Precise and Interactive Image Editing with Layered Visual Cues
von: Liu, Zichen, et al.
Veröffentlicht: (2025)

Adaptive Fused Prior Transfer for Controllable Generative Image Compression
von: Pei, Yifei, et al.
Veröffentlicht: (2026)

The World is Your Canvas: Painting Promptable Events with Reference Images, Trajectories, and Text
von: Wang, Hanlin, et al.
Veröffentlicht: (2025)

Learning Disentangled Identifiers for Action-Customized Text-to-Image Generation
von: Huang, Siteng, et al.
Veröffentlicht: (2023)