Buchumschlag

3DIS-FLUX: simple and efficient multi-instance generation with DiT rendering

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Dewei, Xie, Ji, Yang, Zongxin, Yang, Yi
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

3DIS: Depth-Driven Decoupled Instance Synthesis for Text-to-Image Generation
von: Zhou, Dewei, et al.
Veröffentlicht: (2024)

DreamRenderer: Taming Multi-Instance Attribute Control in Large-Scale Text-to-Image Models
von: Zhou, Dewei, et al.
Veröffentlicht: (2025)

RefineAnything: Multimodal Region-Specific Refinement for Perfect Local Details
von: Zhou, Dewei, et al.
Veröffentlicht: (2026)

MIGC++: Advanced Multi-Instance Generation Controller for Image Synthesis
von: Zhou, Dewei, et al.
Veröffentlicht: (2024)

Insert Anything: Image Insertion via In-Context Editing in DiT
von: Song, Wensong, et al.
Veröffentlicht: (2025)

DiVE: DiT-based Video Generation with Enhanced Control
von: Jiang, Junpeng, et al.
Veröffentlicht: (2024)

OUSAC: Optimized Guidance Scheduling with Adaptive Caching for DiT Acceleration
von: Sun, Ruitong, et al.
Veröffentlicht: (2025)

In-Context Edit: Enabling Instructional Image Editing with In-Context Generation in Large Scale Diffusion Transformer
von: Zhang, Zechuan, et al.
Veröffentlicht: (2025)

MaterialPicker: Multi-Modal DiT-Based Material Generation
von: Ma, Xiaohe, et al.
Veröffentlicht: (2024)

Ortho-Hydra: Orthogonalized Experts for DiT LoRA
von: Ji, Seunghyun
Veröffentlicht: (2026)

GenMask: Adapting DiT for Segmentation via Direct Mask Generation
von: Yang, Yuhuan, et al.
Veröffentlicht: (2026)

LRQ-DiT: Log-Rotation Post-Training Quantization of Diffusion Transformers for Image and Video Generation
von: Yang, Lianwei, et al.
Veröffentlicht: (2025)

HiMat: DiT-based Ultra-High Resolution SVBRDF Generation
von: Wang, Zixiong, et al.
Veröffentlicht: (2025)

BideDPO: Conditional Image Generation with Simultaneous Text and Condition Alignment
von: Zhou, Dewei, et al.
Veröffentlicht: (2025)

DiT4Edit: Diffusion Transformer for Image Editing
von: Feng, Kunyu, et al.
Veröffentlicht: (2024)

LaVin-DiT: Large Vision Diffusion Transformer
von: Wang, Zhaoqing, et al.
Veröffentlicht: (2024)

Inf-DiT: Upsampling Any-Resolution Image with Memory-Efficient Diffusion Transformer
von: Yang, Zhuoyi, et al.
Veröffentlicht: (2024)

Mamoda2.5: Enhancing Unified Multimodal Model with DiT-MoE
von: Shi, Yangming, et al.
Veröffentlicht: (2026)

PTQ4DiT: Post-training Quantization for Diffusion Transformers
von: Wu, Junyi, et al.
Veröffentlicht: (2024)

SIFU: Side-view Conditioned Implicit Function for Real-world Usable Clothed Human Reconstruction
von: Zhang, Zechuan, et al.
Veröffentlicht: (2023)

HeadStudio: Text to Animatable Head Avatars with 3D Gaussian Splatting
von: Zhou, Zhenglin, et al.
Veröffentlicht: (2024)

Mask$^2$DiT: Dual Mask-based Diffusion Transformer for Multi-Scene Long Video Generation
von: Qi, Tianhao, et al.
Veröffentlicht: (2025)

3D Object Manipulation in a Single Image using Generative Models
von: Zhao, Ruisi, et al.
Veröffentlicht: (2025)

RobuQ: Pushing DiTs to W1.58A2 via Robust Activation Quantization
von: Yang, Kaicheng, et al.
Veröffentlicht: (2025)

DiT-Air: Revisiting the Efficiency of Diffusion Model Architecture Design in Text to Image Generation
von: Chen, Chen, et al.
Veröffentlicht: (2025)

Lumina-Video: Efficient and Flexible Video Generation with Multi-scale Next-DiT
von: Liu, Dongyang, et al.
Veröffentlicht: (2025)

TRACE: High-Fidelity 3D Scene Editing via Tangible Reconstruction and Geometry-Aligned Contextual Video Masking
von: Hu, Jiyuan, et al.
Veröffentlicht: (2026)

Cosh-DiT: Co-Speech Gesture Video Synthesis via Hybrid Audio-Visual Diffusion Transformers
von: Sun, Yasheng, et al.
Veröffentlicht: (2025)

S2DiT: Sandwich Diffusion Transformer for Mobile Streaming Video Generation
von: Zhao, Lin, et al.
Veröffentlicht: (2026)

U-DiTs: Downsample Tokens in U-Shaped Diffusion Transformers
von: Tian, Yuchuan, et al.
Veröffentlicht: (2024)

TextFlux: An OCR-Free DiT Model for High-Fidelity Multilingual Scene Text Synthesis
von: Xie, Yu, et al.
Veröffentlicht: (2025)

MiM-DiT: MoE in MoE with Diffusion Transformers for All-in-One Image Restoration
von: Kong, Lingshun, et al.
Veröffentlicht: (2026)

RealisDance-DiT: Simple yet Strong Baseline towards Controllable Character Animation in the Wild
von: Zhou, Jingkai, et al.
Veröffentlicht: (2025)

DiTalker: A Unified DiT-based Framework for High-Quality and Speaking Styles Controllable Portrait Animation
von: Feng, He, et al.
Veröffentlicht: (2025)

FP4DiT: Towards Effective Floating Point Quantization for Diffusion Transformers
von: Chen, Ruichen, et al.
Veröffentlicht: (2025)

DiT360: High-Fidelity Panoramic Image Generation via Hybrid Training
von: Feng, Haoran, et al.
Veröffentlicht: (2025)

Attend to Not Attended: Structure-then-Detail Token Merging for Post-training DiT Acceleration
von: Fang, Haipeng, et al.
Veröffentlicht: (2025)

$Δ$-DiT: A Training-Free Acceleration Method Tailored for Diffusion Transformers
von: Chen, Pengtao, et al.
Veröffentlicht: (2024)

DiT as Real-Time Rerenderer: Streaming Video Stylization with Autoregressive Diffusion Transformer
von: Lyu, Hengye, et al.
Veröffentlicht: (2026)

What Semantics Survive the Connector? Diagnosing VLM-to-DiT Alignment in Video Editing
von: Lin, Hangyu, et al.
Veröffentlicht: (2026)