Buchumschlag

DiffSim: Taming Diffusion Models for Evaluating Visual Similarity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Song, Yiren, Liu, Xiaokang, Shou, Mike Zheng
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

Edit2Perceive: Image Editing Diffusion Models Are Strong Dense Perceivers
von: Shi, Yiqing, et al.
Veröffentlicht: (2025)

MakeAnything: Harnessing Diffusion Transformers for Multi-Domain Procedural Sequence Generation
von: Song, Yiren, et al.
Veröffentlicht: (2025)

LayerTracer: Cognitive-Aligned Layered SVG Synthesis via Diffusion Transformer
von: Song, Yiren, et al.
Veröffentlicht: (2025)

Mitty: Diffusion-based Human-to-Robot Video Generation
von: Song, Yiren, et al.
Veröffentlicht: (2025)

OmniPSD: Layered PSD Generation with Diffusion Transformer
von: Liu, Cheng, et al.
Veröffentlicht: (2025)

OmniConsistency: Learning Style-Agnostic Consistency from Paired Stylization Data
von: Song, Yiren, et al.
Veröffentlicht: (2025)

VISTA: Triplet-Supervised Video Style Transfer with Diffusion Transformers
von: Song, Yiren, et al.
Veröffentlicht: (2026)

H2R-Grounder: A Paired-Data-Free Paradigm for Translating Human Interaction Videos into Physically Grounded Robot Videos
von: Ci, Hai, et al.
Veröffentlicht: (2025)

Anti-Reference: Universal and Immediate Defense Against Reference-Based Generation
von: Song, Yiren, et al.
Veröffentlicht: (2024)

StreamingEffect: Real-Time Human-Centric Video Effect Generation
von: Song, Yiren, et al.
Veröffentlicht: (2026)

TransAnimate: Taming Layer Diffusion to Generate RGBA Video
von: Chen, Xuewei, et al.
Veröffentlicht: (2025)

WMAdapter: Adding WaterMark Control to Latent Diffusion Models
von: Ci, Hai, et al.
Veröffentlicht: (2024)

Steganalysis on Digital Watermarking: Is Your Defense Truly Impervious?
von: Yang, Pei, et al.
Veröffentlicht: (2024)

IDProtector: An Adversarial Noise Encoder to Protect Against ID-Preserving Image Generation
von: Song, Yiren, et al.
Veröffentlicht: (2024)

RingID: Rethinking Tree-Ring Watermarking for Enhanced Multi-Key Identification
von: Ci, Hai, et al.
Veröffentlicht: (2024)

X-Humanoid: Robotize Human Videos to Generate Humanoid Videos at Scale
von: Yang, Pei, et al.
Veröffentlicht: (2025)

Personalized Vision via Visual In-Context Learning
von: Jiang, Yuxin, et al.
Veröffentlicht: (2025)

SWEET: Sparse World Modeling with Image Editing for Embodied Task Execution
von: Song, Yiren, et al.
Veröffentlicht: (2026)

WorldWander: Bridging Egocentric and Exocentric Worlds in Video Generation
von: Song, Quanjian, et al.
Veröffentlicht: (2025)

TPDiff: Temporal Pyramid Video Diffusion Model
von: Ran, Lingmin, et al.
Veröffentlicht: (2025)

D-AR: Diffusion via Autoregressive Models
von: Gao, Ziteng, et al.
Veröffentlicht: (2025)

OmniHumanoid: Streaming Cross-Embodiment Video Generation with Paired-Free Adaptation
von: Song, Yiren, et al.
Veröffentlicht: (2026)

UENR-600K: A Large-Scale Physically Grounded Dataset for Nighttime Video Deraining
von: Yang, Pei, et al.
Veröffentlicht: (2026)

DiffSeg30k: A Multi-Turn Diffusion Editing Benchmark for Localized AIGC Detection
von: Ci, Hai, et al.
Veröffentlicht: (2025)

P-Flow: Prompting Visual Effects Generation
von: Zhao, Rui, et al.
Veröffentlicht: (2026)

Soap2Soap: Long Cinematic Video Remaking via Multi-Agent Collaboration
von: Song, Yiren, et al.
Veröffentlicht: (2026)

Unlocking the Latent Canvas: Eliciting and Benchmarking Symbolic Visual Expression in LLMs
von: Zheng, Yiren, et al.
Veröffentlicht: (2026)

PhotoDoodle: Learning Artistic Image Editing from Few-Shot Pairwise Data
von: Huang, Shijie, et al.
Veröffentlicht: (2025)

SimDiff: Simulator-constrained Diffusion Model for Physically Plausible Motion Generation
von: Watanabe, Akihisa, et al.
Veröffentlicht: (2025)

The Consistency Critic: Correcting Inconsistencies in Generated Images via Reference-Guided Attentive Alignment
von: Ouyang, Ziheng, et al.
Veröffentlicht: (2025)

Ego-centric Predictive Model Conditioned on Hand Trajectories
von: Zhang, Binjie, et al.
Veröffentlicht: (2025)

PAI-Studio: Cinematic Video Background Replacement with Camera-Aware Motion
von: Gao, Heyuan, et al.
Veröffentlicht: (2026)

Loom: Diffusion-Transformer for Interleaved Generation
von: Ye, Mingcheng, et al.
Veröffentlicht: (2025)

VLog: Video-Language Models by Generative Retrieval of Narration Vocabulary
von: Lin, Kevin Qinghong, et al.
Veröffentlicht: (2025)

RelationAdapter: Learning and Transferring Visual Relation with Diffusion Transformers
von: Gong, Yan, et al.
Veröffentlicht: (2025)

Stable-Makeup: When Real-World Makeup Transfer Meets Diffusion Model
von: Zhang, Yuxuan, et al.
Veröffentlicht: (2024)

ST-SimDiff: Balancing Spatiotemporal Similarity and Difference for Efficient Video Understanding with MLLMs
von: Luo, Bingjun, et al.
Veröffentlicht: (2026)

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

DiffuMask: Synthesizing Images with Pixel-level Annotations for Semantic Segmentation Using Diffusion Models
von: Wu, Weijia, et al.
Veröffentlicht: (2023)

Show-o2: Improved Native Unified Multimodal Models
von: Xie, Jinheng, et al.
Veröffentlicht: (2025)