Buchumschlag

TIV-Diffusion: Towards Object-Centric Movement for Text-driven Image to Video Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Xingrui, Li, Xin, Hu, Yaosi, Zhu, Hanxin, Hou, Chen, Lan, Cuiling, Chen, Zhibo
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

GSemSplat: Generalizable Semantic 3D Gaussian Splatting from Uncalibrated Image Pairs
von: Wang, Xingrui, et al.
Veröffentlicht: (2024)

LaMD: Latent Motion Diffusion for Image-Conditional Video Generation
von: Hu, Yaosi, et al.
Veröffentlicht: (2023)

Diffusion Models for Image Restoration and Enhancement: A Comprehensive Survey
von: Li, Xin, et al.
Veröffentlicht: (2023)

UCIP: A Universal Framework for Compressed Image Super-Resolution using Dynamic Prompt
von: Li, Xin, et al.
Veröffentlicht: (2024)

CoNo: Consistency Noise Injection for Tuning-free Long Video Diffusion
von: Wang, Xingrui, et al.
Veröffentlicht: (2024)

GTA: Advancing Image-to-3D World Generation via Geometry Then Appearance Video Diffusion
von: Zhu, Hanxin, et al.
Veröffentlicht: (2026)

GaussianSR: 3D Gaussian Super-Resolution with 2D Diffusion Priors
von: Yu, Xiqian, et al.
Veröffentlicht: (2024)

OrthoPhys: Physically Plausible Video Generation with Orthogonal-View Geometry Guidance
von: Wang, Cong, et al.
Veröffentlicht: (2026)

Compositional 3D-aware Video Generation with LLM Director
von: Zhu, Hanxin, et al.
Veröffentlicht: (2024)

CMC: Few-shot Novel View Synthesis via Cross-view Multiplane Consistency
von: Zhu, Hanxin, et al.
Veröffentlicht: (2024)

AR4D: Autoregressive 4D Generation from Monocular Videos
von: Zhu, Hanxin, et al.
Veröffentlicht: (2025)

Training-free Camera Control for Video Generation
von: Hou, Chen, et al.
Veröffentlicht: (2024)

LongCaptioning: Unlocking the Power of Long Video Caption Generation in Large Multimodal Models
von: Wei, Hongchen, et al.
Veröffentlicht: (2025)

Light Field Compression Based on Implicit Neural Representation
von: Wang, Henan, et al.
Veröffentlicht: (2024)

4DWorldBench: A Comprehensive Evaluation Framework for 3D/4D World Generation Models
von: Lu, Yiting, et al.
Veröffentlicht: (2025)

Is Vanilla MLP in Neural Radiance Field Enough for Few-shot View Synthesis?
von: Zhu, Hanxin, et al.
Veröffentlicht: (2024)

High-Fidelity Diffusion-based Image Editing
von: Hou, Chen, et al.
Veröffentlicht: (2023)

P-4DGS: Predictive 4D Gaussian Splatting with 90$\times$ Compression
von: Wang, Henan, et al.
Veröffentlicht: (2025)

Attention Sparsity is Input-Stable: Training-Free Sparse Attention for Video Generation via Offline Sparsity Profiling and Online QK Co-Clustering
von: Luo, Jiayi, et al.
Veröffentlicht: (2026)

Future Forcing: Future-aware Training-free KV Cache Policy for Autoregressive Video Generation
von: Luo, Jiayi, et al.
Veröffentlicht: (2026)

Long Video Understanding with Learnable Retrieval in Video-Language Models
von: Xu, Jiaqi, et al.
Veröffentlicht: (2023)

Direct-a-Video: Customized Video Generation with User-Directed Camera Movement and Object Motion
von: Yang, Shiyuan, et al.
Veröffentlicht: (2024)

ObjectMover: Generative Object Movement with Video Prior
von: Yu, Xin, et al.
Veröffentlicht: (2025)

LiftVSR: Lifting Image Diffusion to Video Super-Resolution via Hybrid Temporal Modeling with Only 4$\times$RTX 4090s
von: Wang, Xijun, et al.
Veröffentlicht: (2025)

HANDI: Hand-Centric Text-and-Image Conditioned Video Generation
von: Li, Yayuan, et al.
Veröffentlicht: (2024)

SeD: Semantic-Aware Discriminator for Image Super-Resolution
von: Li, Bingchen, et al.
Veröffentlicht: (2024)

Slot-VLM: SlowFast Slots for Video-Language Modeling
von: Xu, Jiaqi, et al.
Veröffentlicht: (2024)

Exploring Pre-trained Text-to-Video Diffusion Models for Referring Video Object Segmentation
von: Zhu, Zixin, et al.
Veröffentlicht: (2024)

NarrLV: Towards a Comprehensive Narrative-Centric Evaluation for Long Video Generation
von: Feng, X., et al.
Veröffentlicht: (2025)

TextOCVP: Object-Centric Video Prediction with Language Guidance
von: Villar-Corrales, Angel, et al.
Veröffentlicht: (2025)

OSPO: Object-Centric Self-Improving Preference Optimization for Text-to-Image Generation
von: Oh, Yoonjin, et al.
Veröffentlicht: (2025)

MoE-DiffIR: Task-customized Diffusion Priors for Universal Compressed Image Restoration
von: Ren, Yulin, et al.
Veröffentlicht: (2024)

Towards Effective Usage of Human-Centric Priors in Diffusion Models for Text-based Human Image Generation
von: Wang, Junyan, et al.
Veröffentlicht: (2024)

Object-Centric Diffusion for Efficient Video Editing
von: Kahatapitiya, Kumara, et al.
Veröffentlicht: (2024)

VideoTetris: Towards Compositional Text-to-Video Generation
von: Tian, Ye, et al.
Veröffentlicht: (2024)

LossAgent: Towards Any Optimization Objectives for Image Processing with LLM Agents
von: Li, Bingchen, et al.
Veröffentlicht: (2024)

Text-driven Human Motion Generation with Motion Masked Diffusion Model
von: Chen, Xingyu
Veröffentlicht: (2024)

TrajectoryMover: Generative Movement of Object Trajectories in Videos
von: Chhatre, Kiran, et al.
Veröffentlicht: (2026)

Visual Concept-driven Image Generation with Text-to-Image Diffusion Model
von: Rahman, Tanzila, et al.
Veröffentlicht: (2024)

SlotMemory: Object-Centric KV Memory for Streaming Long-Video Generation
von: Dou, Weijia, et al.
Veröffentlicht: (2026)