Buchumschlag

Learning Human Skill Generators at Key-Step Levels

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Yilu, Zhu, Chenhui, Wang, Shuai, Wang, Hanlin, Wang, Jing, Zhang, Zhaoxiang, Wang, Limin
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

MotionRAG: Motion Retrieval-Augmented Image-to-Video Generation
von: Zhu, Chenhui, et al.
Veröffentlicht: (2025)

Open-Event Procedure Planning in Instructional Videos
von: Wu, Yilu, et al.
Veröffentlicht: (2024)

PDPP: Projected Diffusion for Procedure Planning in Instructional Videos
von: Wang, Hanlin, et al.
Veröffentlicht: (2023)

PixNerd: Pixel Neural Field Diffusion
von: Wang, Shuai, et al.
Veröffentlicht: (2025)

CycleHOI: Improving Human-Object Interaction Detection with Cycle Consistency of Detection and Generation
von: Wang, Yisen, et al.
Veröffentlicht: (2024)

Flowing Backwards: Improving Normalizing Flows via Reverse Representation Alignment
von: Chen, Yang, et al.
Veröffentlicht: (2025)

Contextual AD Narration with Interleaved Multimodal Sequence
von: Wang, Hanlin, et al.
Veröffentlicht: (2024)

SportsHHI: A Dataset for Human-Human Interaction Detection in Sports Videos
von: Wu, Tao, et al.
Veröffentlicht: (2024)

Dual DETRs for Multi-Label Temporal Action Detection
von: Zhu, Yuhan, et al.
Veröffentlicht: (2024)

Linearized Coupling Flow with Shortcut Constraints for One-Step Face Restoration
von: Sun, Xiaohui, et al.
Veröffentlicht: (2026)

Open Vocabulary 3D Scene Understanding via Geometry Guided Self-Distillation
von: Wang, Pengfei, et al.
Veröffentlicht: (2024)

FreeVS: Generative View Synthesis on Free Driving Trajectory
von: Wang, Qitai, et al.
Veröffentlicht: (2024)

OOD-HOI: Text-Driven 3D Whole-Body Human-Object Interactions Generation Beyond Training Domains
von: Zhang, Yixuan, et al.
Veröffentlicht: (2024)

HLG: Comprehensive 3D Room Construction via Hierarchical Layout Generation
von: Wang, Xiping, et al.
Veröffentlicht: (2025)

Concept Unlearning by Modeling Key Steps of Diffusion Process
von: Zhang, Chaoshuo, et al.
Veröffentlicht: (2025)

Weakly Supervised 3D Object Detection with Multi-Stage Generalization
von: He, Jiawei, et al.
Veröffentlicht: (2023)

LeviTor: 3D Trajectory Oriented Image-to-Video Synthesis
von: Wang, Hanlin, et al.
Veröffentlicht: (2024)

Arbitrary Generative Video Interpolation
von: Zhang, Guozhen, et al.
Veröffentlicht: (2025)

RoomCraft: Controllable and Complete 3D Indoor Scene Generation
von: Zhou, Mengqi, et al.
Veröffentlicht: (2025)

Learning Multi-dimensional Human Preference for Text-to-Image Generation
von: Zhang, Sixian, et al.
Veröffentlicht: (2024)

FlowDCN: Exploring DCN-like Architectures for Fast Image Generation with Arbitrary Resolution
von: Wang, Shuai, et al.
Veröffentlicht: (2024)

DrivingGPT: Unifying Driving World Modeling and Planning with Multi-modal Autoregressive Transformers
von: Chen, Yuntao, et al.
Veröffentlicht: (2024)

A Curriculum-style Self-training Approach for Source-Free Semantic Segmentation
von: Wang, Yuxi, et al.
Veröffentlicht: (2021)

DMM: Building a Versatile Image Generation Model via Distillation-Based Model Merging
von: Song, Tianhui, et al.
Veröffentlicht: (2025)

DDT: Decoupled Diffusion Transformer
von: Wang, Shuai, et al.
Veröffentlicht: (2025)

ZeroI2V: Zero-Cost Adaptation of Pre-trained Transformers from Image to Video
von: Li, Xinhao, et al.
Veröffentlicht: (2023)

OneReward: Unified Mask-Guided Image Generation via Multi-Task Human Preference Learning
von: Gong, Yuan, et al.
Veröffentlicht: (2025)

Towards Human-Like Machine Comprehension: Few-Shot Relational Learning in Visually-Rich Documents
von: Wang, Hao, et al.
Veröffentlicht: (2024)

Motion-Aware Generative Frame Interpolation
von: Zhang, Guozhen, et al.
Veröffentlicht: (2025)

Recovering 3D Human Mesh from Monocular Images: A Survey
von: Tian, Yating, et al.
Veröffentlicht: (2022)

VideoEval: Comprehensive Benchmark Suite for Low-Cost Evaluation of Video Foundation Model
von: Li, Xinhao, et al.
Veröffentlicht: (2024)

LoD-Loc v2: Aerial Visual Localization over Low Level-of-Detail City Models using Explicit Silhouette Alignment
von: Zhu, Juelin, et al.
Veröffentlicht: (2025)

MeMOTR: Long-Term Memory-Augmented Transformer for Multi-Object Tracking
von: Gao, Ruopeng, et al.
Veröffentlicht: (2023)

Denoising Diffusion Step-aware Models
von: Yang, Shuai, et al.
Veröffentlicht: (2023)

Joint Modeling of Feature, Correspondence, and a Compressed Memory for Video Object Segmentation
von: Zhang, Jiaming, et al.
Veröffentlicht: (2023)

PPJudge: Towards Human-Aligned Assessment of Artistic Painting Process
von: Jiang, Shiqi, et al.
Veröffentlicht: (2025)

Using Unreliable Pseudo-Labels for Label-Efficient Semantic Segmentation
von: Wang, Haochen, et al.
Veröffentlicht: (2023)

InternVideo-Next: Towards General Video Foundation Models without Video-Text Supervision
von: Wang, Chenting, et al.
Veröffentlicht: (2025)

TIMotion: Temporal and Interactive Framework for Efficient Human-Human Motion Generation
von: Wang, Yabiao, et al.
Veröffentlicht: (2024)

Temporal2Seq: A Unified Framework for Temporal Video Understanding Tasks
von: Yang, Min, et al.
Veröffentlicht: (2024)