Taming Feed-forward Reconstruction Models as Latent Encoders for 3D Generative Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wizadwongsa, Suttisak, Zhou, Jinfan, Li, Edward, Park, Jeong Joon
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Generative Spatiotemporal Data Augmentation
von: Zhou, Jinfan, et al.
Veröffentlicht: (2025)

Reconstruction vs. Generation: Taming Optimization Dilemma in Latent Diffusion Models
von: Yao, Jingfeng, et al.
Veröffentlicht: (2025)

VideoPDE: Unified Generative PDE Solving via Video Inpainting Diffusion Models
von: Li, Edward, et al.
Veröffentlicht: (2025)

Make-It-Poseable: Feed-forward Latent Posing Model for 3D Characters
von: Guo, Zhiyang, et al.
Veröffentlicht: (2025)

Light3R-SfM: Towards Feed-forward Structure-from-Motion
von: Elflein, Sven, et al.
Veröffentlicht: (2025)

Taming Latent Diffusion Model for Neural Radiance Field Inpainting
von: Lin, Chieh Hubert, et al.
Veröffentlicht: (2024)

Taming Mode Collapse in Score Distillation for Text-to-3D Generation
von: Wang, Peihao, et al.
Veröffentlicht: (2023)

Tuning Just Enough: Lightweight Backdoor Attacks on Multi-Encoder Diffusion Models
von: Chen, Ziyuan, et al.
Veröffentlicht: (2026)

The Emergence of Reproducibility and Generalizability in Diffusion Models
von: Zhang, Huijie, et al.
Veröffentlicht: (2023)

On Geometric Understanding and Learned Priors in Feed-forward 3D Reconstruction Models
von: Bratulić, Jelena, et al.
Veröffentlicht: (2025)

LaVR: Scene Latent Conditioned Generative Video Trajectory Re-Rendering using Large 4D Reconstruction Models
von: Xie, Mingyang, et al.
Veröffentlicht: (2026)

Bayesian Diffusion Models for 3D Shape Reconstruction
von: Xu, Haiyang, et al.
Veröffentlicht: (2024)

Understanding Generalization in Diffusion Distillation via Probability Flow Distance
von: Zhang, Huijie, et al.
Veröffentlicht: (2025)

Sampling 3D Gaussian Scenes in Seconds with Latent Diffusion Models
von: Henderson, Paul, et al.
Veröffentlicht: (2024)

Spatiotemporal Satellite Image Downscaling with Transfer Encoders and Autoregressive Generative Models
von: Xiang, Yang, et al.
Veröffentlicht: (2025)

Carve3D: Improving Multi-view Reconstruction Consistency for Diffusion Models with RL Finetuning
von: Xie, Desai, et al.
Veröffentlicht: (2023)

Speed3R: Sparse Feed-forward 3D Reconstruction Models
von: Ren, Weining, et al.
Veröffentlicht: (2026)

Learning Multimodal Latent Generative Models with Energy-Based Prior
von: Yuan, Shiyu, et al.
Veröffentlicht: (2024)

Learning in ImaginationLand: Omnidirectional Policies through 3D Generative Models (OP-Gen)
von: Ren, Yifei, et al.
Veröffentlicht: (2025)

Fast Autoregressive Models for Continuous Latent Generation
von: Hang, Tiankai, et al.
Veröffentlicht: (2025)

CRM: Single Image to 3D Textured Mesh with Convolutional Reconstruction Model
von: Wang, Zhengyi, et al.
Veröffentlicht: (2024)

Compositional Generalization Requires Linear, Orthogonal Representations in Vision Embedding Models
von: Uselis, Arnas, et al.
Veröffentlicht: (2026)

Mix3R: Mixing Feed-forward Reconstruction and Generative 3D Priors for Joint Multi-view Aligned 3D Reconstruction and Pose Estimation
von: Lin, Siyou, et al.
Veröffentlicht: (2026)

HumanRAM: Feed-forward Human Reconstruction and Animation Model using Transformers
von: Yu, Zhiyuan, et al.
Veröffentlicht: (2025)

Terra: Explorable Native 3D World Model with Point Latents
von: Huang, Yuanhui, et al.
Veröffentlicht: (2025)

KeyPointDiffuser: Unsupervised 3D Keypoint Learning via Latent Diffusion Models
von: Newbury, Rhys, et al.
Veröffentlicht: (2025)

MapAnything: Universal Feed-Forward Metric 3D Reconstruction
von: Keetha, Nikhil, et al.
Veröffentlicht: (2025)

Unifying Specialized Visual Encoders for Video Language Models
von: Chung, Jihoon, et al.
Veröffentlicht: (2025)

Scaling Parallel Sequence Models to Foundation-Scale Vision Encoders
von: Jiang, Yitong, et al.
Veröffentlicht: (2026)

Taming Generative Diffusion Prior for Universal Blind Image Restoration
von: Tu, Siwei, et al.
Veröffentlicht: (2024)

LatentExplainer: Explaining Latent Representations in Deep Generative Models with Multimodal Large Language Models
von: Zhu, Mengdan, et al.
Veröffentlicht: (2024)

FFAvatar: Few-Shot, Feed-Forward, and Generalizable Avatar Reconstruction
von: Nguyen, Thuan Hoang, et al.
Veröffentlicht: (2026)

UniFusion: Vision-Language Model as Unified Encoder in Image Generation
von: Li, Kevin, et al.
Veröffentlicht: (2025)

GANFusion: Feed-Forward Text-to-3D with Diffusion in GAN Space
von: Attaiki, Souhaib, et al.
Veröffentlicht: (2024)

DUNE: Distilling a Universal Encoder from Heterogeneous 2D and 3D Teachers
von: Sariyildiz, Mert Bulent, et al.
Veröffentlicht: (2025)

RenderDiffusion: Image Diffusion for 3D Reconstruction, Inpainting and Generation
von: Anciukevičius, Titas, et al.
Veröffentlicht: (2022)

Multimodal Latent Diffusion Model for Complex Sewing Pattern Generation
von: Liu, Shengqi, et al.
Veröffentlicht: (2024)

Fin3R: Fine-tuning Feed-forward 3D Reconstruction Models via Monocular Knowledge Distillation
von: Ren, Weining, et al.
Veröffentlicht: (2025)

Reconstruction or Semantics? What Makes a Latent Space Useful for Robotic World Models
von: Nilaksh, et al.
Veröffentlicht: (2026)

LatentUM: Unleashing the Potential of Interleaved Cross-Modal Reasoning via a Latent-Space Unified Model
von: Jin, Jiachun, et al.
Veröffentlicht: (2026)