Buchumschlag

CAT: Content-Adaptive Image Tokenization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shen, Junhong, Tirumala, Kushal, Yasunaga, Michihiro, Misra, Ishan, Zettlemoyer, Luke, Yu, Lili, Zhou, Chunting
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Transfusion: Predict the Next Token and Diffuse Images with One Multi-Modal Model
von: Zhou, Chunting, et al.
Veröffentlicht: (2024)

Multimodal RewardBench: Holistic Evaluation of Reward Models for Vision Language Models
von: Yasunaga, Michihiro, et al.
Veröffentlicht: (2025)

When Worse is Better: Navigating the compression-generation tradeoff in visual tokenization
von: Ramanujan, Vivek, et al.
Veröffentlicht: (2024)

Computational Tradeoffs in Image Synthesis: Diffusion, Masked-Token, and Next-Token Prediction
von: Kilian, Maciej, et al.
Veröffentlicht: (2024)

Mixture-of-Mamba: Enhancing Multi-Modal State-Space Models with Modality-Aware Sparsity
von: Liang, Weixin, et al.
Veröffentlicht: (2025)

LMFusion: Adapting Pretrained Language Models for Multimodal Generation
von: Shi, Weijia, et al.
Veröffentlicht: (2024)

Diffusion Autoencoders are Scalable Image Tokenizers
von: Chen, Yinbo, et al.
Veröffentlicht: (2025)

CAT Pruning: Cluster-Aware Token Pruning For Text-to-Image Diffusion Models
von: Cheng, Xinle, et al.
Veröffentlicht: (2025)

Effective pruning of web-scale datasets based on complexity of concept clusters
von: Abbas, Amro, et al.
Veröffentlicht: (2024)

SelfEval: Leveraging the discriminative nature of generative models for evaluation
von: Rambhatla, Sai Saketh, et al.
Veröffentlicht: (2023)

Image2Struct: Benchmarking Structure Extraction for Vision-Language Models
von: Roberts, Josselin Somerville, et al.
Veröffentlicht: (2024)

Pisces: An Auto-regressive Foundation Model for Image Understanding and Generation
von: Xu, Zhiyang, et al.
Veröffentlicht: (2025)

ATD: Improved Transformer with Adaptive Token Dictionary for Image Restoration
von: Zhang, Leheng, et al.
Veröffentlicht: (2026)

Generating Multi-Image Synthetic Data for Text-to-Image Customization
von: Kumari, Nupur, et al.
Veröffentlicht: (2025)

CAT: Class Aware Adaptive Thresholding for Semi-Supervised Domain Generalization
von: Zoha, Sumaiya, et al.
Veröffentlicht: (2024)

CAT: Exploiting Inter-Class Dynamics for Domain Adaptive Object Detection
von: Kennerley, Mikhail, et al.
Veröffentlicht: (2024)

Multimodal RewardBench 2: Evaluating Omni Reward Models for Interleaved Text and Image
von: Hu, Yushi, et al.
Veröffentlicht: (2025)

AdaNAT: Exploring Adaptive Policy for Token-Based Image Generation
von: Ni, Zanlin, et al.
Veröffentlicht: (2024)

Beyond Night Visibility: Adaptive Multi-Scale Fusion of Infrared and Visible Images
von: Pei, Shufan, et al.
Veröffentlicht: (2024)

CAT-3DGS: A Context-Adaptive Triplane Approach to Rate-Distortion-Optimized 3DGS Compression
von: Zhan, Yu-Ting, et al.
Veröffentlicht: (2025)

An Image is Worth 32 Tokens for Reconstruction and Generation
von: Yu, Qihang, et al.
Veröffentlicht: (2024)

Multi-Expert Adaptive Selection: Task-Balancing for All-in-One Image Restoration
von: Yu, Xiaoyan, et al.
Veröffentlicht: (2024)

CE-FAM: Concept-Based Explanation via Fusion of Activation Maps
von: Kuroki, Michihiro, et al.
Veröffentlicht: (2025)

BSED: Baseline Shapley-Based Explainable Detector
von: Kuroki, Michihiro, et al.
Veröffentlicht: (2023)

CATANet: Efficient Content-Aware Token Aggregation for Lightweight Image Super-Resolution
von: Liu, Xin, et al.
Veröffentlicht: (2025)

Generating Illustrated Instructions
von: Menon, Sachit, et al.
Veröffentlicht: (2023)

AITTI: Learning Adaptive Inclusive Token for Text-to-Image Generation
von: Hou, Xinyu, et al.
Veröffentlicht: (2024)

InstanceDiffusion: Instance-level Control for Image Generation
von: Wang, Xudong, et al.
Veröffentlicht: (2024)

Efficient Hybrid CNN-GNN Architecture for Monocular Depth Estimation
von: Narayan, Ishan
Veröffentlicht: (2026)

GenEval 2: Addressing Benchmark Drift in Text-to-Image Evaluation
von: Kamath, Amita, et al.
Veröffentlicht: (2025)

Fit Pixels, Get Labels: Meta-learned Implicit Networks for Image Segmentation
von: Vyas, Kushal, et al.
Veröffentlicht: (2025)

Negative Token Merging: Image-based Adversarial Feature Guidance
von: Singh, Jaskirat, et al.
Veröffentlicht: (2024)

ADCD-Net: Robust Document Image Forgery Localization via Adaptive DCT Feature and Hierarchical Content Disentanglement
von: Wong, Kahim, et al.
Veröffentlicht: (2025)

CADC: Content Adaptive Diffusion-Based Generative Image Compression
von: Sheng, Xihua, et al.
Veröffentlicht: (2026)

Adaptive Diffusion Terrain Generator for Autonomous Uneven Terrain Navigation
von: Yu, Youwei, et al.
Veröffentlicht: (2024)

CAT: Contrastive Adapter Training for Personalized Image Generation
von: Park, Jae Wan, et al.
Veröffentlicht: (2024)

Content-Adaptive Image Retouching Guided by Attribute-Based Text Representation
von: Zhu, Hancheng, et al.
Veröffentlicht: (2025)

Instant GaussianImage: A Generalizable and Self-Adaptive Image Representation via 2D Gaussian Splatting
von: Zeng, Zhaojie, et al.
Veröffentlicht: (2025)

User-in-the-Loop View Sampling with Error Peaking Visualization
von: Yasunaga, Ayaka, et al.
Veröffentlicht: (2025)

OmniTokenizer: A Joint Image-Video Tokenizer for Visual Generation
von: Wang, Junke, et al.
Veröffentlicht: (2024)