3DIS-FLUX: simple and efficient multi-instance generation with DiT rendering
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhou, Dewei, Xie, Ji, Yang, Zongxin, Yang, Yi |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
3DIS: Depth-Driven Decoupled Instance Synthesis for Text-to-Image Generation
par: Zhou, Dewei, et autres
Publié: (2024)
par: Zhou, Dewei, et autres
Publié: (2024)
DreamRenderer: Taming Multi-Instance Attribute Control in Large-Scale Text-to-Image Models
par: Zhou, Dewei, et autres
Publié: (2025)
par: Zhou, Dewei, et autres
Publié: (2025)
RefineAnything: Multimodal Region-Specific Refinement for Perfect Local Details
par: Zhou, Dewei, et autres
Publié: (2026)
par: Zhou, Dewei, et autres
Publié: (2026)
MIGC++: Advanced Multi-Instance Generation Controller for Image Synthesis
par: Zhou, Dewei, et autres
Publié: (2024)
par: Zhou, Dewei, et autres
Publié: (2024)
Insert Anything: Image Insertion via In-Context Editing in DiT
par: Song, Wensong, et autres
Publié: (2025)
par: Song, Wensong, et autres
Publié: (2025)
DiVE: DiT-based Video Generation with Enhanced Control
par: Jiang, Junpeng, et autres
Publié: (2024)
par: Jiang, Junpeng, et autres
Publié: (2024)
OUSAC: Optimized Guidance Scheduling with Adaptive Caching for DiT Acceleration
par: Sun, Ruitong, et autres
Publié: (2025)
par: Sun, Ruitong, et autres
Publié: (2025)
In-Context Edit: Enabling Instructional Image Editing with In-Context Generation in Large Scale Diffusion Transformer
par: Zhang, Zechuan, et autres
Publié: (2025)
par: Zhang, Zechuan, et autres
Publié: (2025)
MaterialPicker: Multi-Modal DiT-Based Material Generation
par: Ma, Xiaohe, et autres
Publié: (2024)
par: Ma, Xiaohe, et autres
Publié: (2024)
Ortho-Hydra: Orthogonalized Experts for DiT LoRA
par: Ji, Seunghyun
Publié: (2026)
par: Ji, Seunghyun
Publié: (2026)
GenMask: Adapting DiT for Segmentation via Direct Mask Generation
par: Yang, Yuhuan, et autres
Publié: (2026)
par: Yang, Yuhuan, et autres
Publié: (2026)
LRQ-DiT: Log-Rotation Post-Training Quantization of Diffusion Transformers for Image and Video Generation
par: Yang, Lianwei, et autres
Publié: (2025)
par: Yang, Lianwei, et autres
Publié: (2025)
HiMat: DiT-based Ultra-High Resolution SVBRDF Generation
par: Wang, Zixiong, et autres
Publié: (2025)
par: Wang, Zixiong, et autres
Publié: (2025)
BideDPO: Conditional Image Generation with Simultaneous Text and Condition Alignment
par: Zhou, Dewei, et autres
Publié: (2025)
par: Zhou, Dewei, et autres
Publié: (2025)
DiT4Edit: Diffusion Transformer for Image Editing
par: Feng, Kunyu, et autres
Publié: (2024)
par: Feng, Kunyu, et autres
Publié: (2024)
LaVin-DiT: Large Vision Diffusion Transformer
par: Wang, Zhaoqing, et autres
Publié: (2024)
par: Wang, Zhaoqing, et autres
Publié: (2024)
Inf-DiT: Upsampling Any-Resolution Image with Memory-Efficient Diffusion Transformer
par: Yang, Zhuoyi, et autres
Publié: (2024)
par: Yang, Zhuoyi, et autres
Publié: (2024)
Mamoda2.5: Enhancing Unified Multimodal Model with DiT-MoE
par: Shi, Yangming, et autres
Publié: (2026)
par: Shi, Yangming, et autres
Publié: (2026)
PTQ4DiT: Post-training Quantization for Diffusion Transformers
par: Wu, Junyi, et autres
Publié: (2024)
par: Wu, Junyi, et autres
Publié: (2024)
SIFU: Side-view Conditioned Implicit Function for Real-world Usable Clothed Human Reconstruction
par: Zhang, Zechuan, et autres
Publié: (2023)
par: Zhang, Zechuan, et autres
Publié: (2023)
HeadStudio: Text to Animatable Head Avatars with 3D Gaussian Splatting
par: Zhou, Zhenglin, et autres
Publié: (2024)
par: Zhou, Zhenglin, et autres
Publié: (2024)
Mask$^2$DiT: Dual Mask-based Diffusion Transformer for Multi-Scene Long Video Generation
par: Qi, Tianhao, et autres
Publié: (2025)
par: Qi, Tianhao, et autres
Publié: (2025)
3D Object Manipulation in a Single Image using Generative Models
par: Zhao, Ruisi, et autres
Publié: (2025)
par: Zhao, Ruisi, et autres
Publié: (2025)
RobuQ: Pushing DiTs to W1.58A2 via Robust Activation Quantization
par: Yang, Kaicheng, et autres
Publié: (2025)
par: Yang, Kaicheng, et autres
Publié: (2025)
DiT-Air: Revisiting the Efficiency of Diffusion Model Architecture Design in Text to Image Generation
par: Chen, Chen, et autres
Publié: (2025)
par: Chen, Chen, et autres
Publié: (2025)
Lumina-Video: Efficient and Flexible Video Generation with Multi-scale Next-DiT
par: Liu, Dongyang, et autres
Publié: (2025)
par: Liu, Dongyang, et autres
Publié: (2025)
TRACE: High-Fidelity 3D Scene Editing via Tangible Reconstruction and Geometry-Aligned Contextual Video Masking
par: Hu, Jiyuan, et autres
Publié: (2026)
par: Hu, Jiyuan, et autres
Publié: (2026)
Cosh-DiT: Co-Speech Gesture Video Synthesis via Hybrid Audio-Visual Diffusion Transformers
par: Sun, Yasheng, et autres
Publié: (2025)
par: Sun, Yasheng, et autres
Publié: (2025)
S2DiT: Sandwich Diffusion Transformer for Mobile Streaming Video Generation
par: Zhao, Lin, et autres
Publié: (2026)
par: Zhao, Lin, et autres
Publié: (2026)
U-DiTs: Downsample Tokens in U-Shaped Diffusion Transformers
par: Tian, Yuchuan, et autres
Publié: (2024)
par: Tian, Yuchuan, et autres
Publié: (2024)
TextFlux: An OCR-Free DiT Model for High-Fidelity Multilingual Scene Text Synthesis
par: Xie, Yu, et autres
Publié: (2025)
par: Xie, Yu, et autres
Publié: (2025)
MiM-DiT: MoE in MoE with Diffusion Transformers for All-in-One Image Restoration
par: Kong, Lingshun, et autres
Publié: (2026)
par: Kong, Lingshun, et autres
Publié: (2026)
RealisDance-DiT: Simple yet Strong Baseline towards Controllable Character Animation in the Wild
par: Zhou, Jingkai, et autres
Publié: (2025)
par: Zhou, Jingkai, et autres
Publié: (2025)
DiTalker: A Unified DiT-based Framework for High-Quality and Speaking Styles Controllable Portrait Animation
par: Feng, He, et autres
Publié: (2025)
par: Feng, He, et autres
Publié: (2025)
FP4DiT: Towards Effective Floating Point Quantization for Diffusion Transformers
par: Chen, Ruichen, et autres
Publié: (2025)
par: Chen, Ruichen, et autres
Publié: (2025)
DiT360: High-Fidelity Panoramic Image Generation via Hybrid Training
par: Feng, Haoran, et autres
Publié: (2025)
par: Feng, Haoran, et autres
Publié: (2025)
Attend to Not Attended: Structure-then-Detail Token Merging for Post-training DiT Acceleration
par: Fang, Haipeng, et autres
Publié: (2025)
par: Fang, Haipeng, et autres
Publié: (2025)
$Δ$-DiT: A Training-Free Acceleration Method Tailored for Diffusion Transformers
par: Chen, Pengtao, et autres
Publié: (2024)
par: Chen, Pengtao, et autres
Publié: (2024)
DiT as Real-Time Rerenderer: Streaming Video Stylization with Autoregressive Diffusion Transformer
par: Lyu, Hengye, et autres
Publié: (2026)
par: Lyu, Hengye, et autres
Publié: (2026)
What Semantics Survive the Connector? Diagnosing VLM-to-DiT Alignment in Video Editing
par: Lin, Hangyu, et autres
Publié: (2026)
par: Lin, Hangyu, et autres
Publié: (2026)
Documents similaires
-
3DIS: Depth-Driven Decoupled Instance Synthesis for Text-to-Image Generation
par: Zhou, Dewei, et autres
Publié: (2024) -
DreamRenderer: Taming Multi-Instance Attribute Control in Large-Scale Text-to-Image Models
par: Zhou, Dewei, et autres
Publié: (2025) -
RefineAnything: Multimodal Region-Specific Refinement for Perfect Local Details
par: Zhou, Dewei, et autres
Publié: (2026) -
MIGC++: Advanced Multi-Instance Generation Controller for Image Synthesis
par: Zhou, Dewei, et autres
Publié: (2024) -
Insert Anything: Image Insertion via In-Context Editing in DiT
par: Song, Wensong, et autres
Publié: (2025)