Buchumschlag

CHATS: Combining Human-Aligned Optimization and Test-Time Sampling for Text-to-Image Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fu, Minghao, Wang, Guo-Hua, Cao, Liangfu, Chen, Qing-Guo, Xu, Zhao, Luo, Weihua, Zhang, Kaifu
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

TeEFusion: Blending Text Embeddings to Distill Classifier-Free Guidance
von: Fu, Minghao, et al.
Veröffentlicht: (2025)

Diffusion-SDPO: Safeguarded Direct Preference Optimization for Diffusion Models
von: Fu, Minghao, et al.
Veröffentlicht: (2025)

Evaluating Image Caption via Cycle-consistent Text-to-Image Generation
von: Cui, Tianyu, et al.
Veröffentlicht: (2025)

Unified Multimodal Understanding and Generation Models: Advances, Challenges, and Opportunities
von: Zhao, Shanshan, et al.
Veröffentlicht: (2025)

Ovis-Image Technical Report
von: Wang, Guo-Hua, et al.
Veröffentlicht: (2025)

UNIC-Adapter: Unified Image-instruction Adapter with Multi-modal Transformer for Image Generation
von: Duan, Lunhao, et al.
Veröffentlicht: (2024)

Omni-View: Unlocking How Generation Facilitates Understanding in Unified 3D Model based on Multiview images
von: Hu, JiaKui, et al.
Veröffentlicht: (2025)

AttnDreamBooth: Towards Text-Aligned Personalized Text-to-Image Generation
von: Pang, Lianyu, et al.
Veröffentlicht: (2024)

Ovis-U1 Technical Report
von: Wang, Guo-Hua, et al.
Veröffentlicht: (2025)

Deep But Reliable: Advancing Multi-turn Reasoning for Thinking with Images
von: Yang, Wenhao, et al.
Veröffentlicht: (2025)

Walk the Talk: Bridging the Reasoning-Action Gap for Thinking with Images via Multimodal Agentic Policy Optimization
von: Yang, Wenhao, et al.
Veröffentlicht: (2026)

MDP3: A Training-free Approach for List-wise Frame Selection in Video-LLMs
von: Sun, Hui, et al.
Veröffentlicht: (2025)

Ovis: Structural Embedding Alignment for Multimodal Large Language Model
von: Lu, Shiyin, et al.
Veröffentlicht: (2024)

Test-Time Preference Optimization for Image Restoration
von: Li, Bingchen, et al.
Veröffentlicht: (2025)

Scaling Beyond Context: A Survey of Multimodal Retrieval-Augmented Generation for Document Understanding
von: Gao, Sensen, et al.
Veröffentlicht: (2025)

Training-Free Image Editing with Visual Context Integration and Concept Alignment
von: Song, Rui, et al.
Veröffentlicht: (2026)

TIQA: Human-Aligned Perceptual Text Quality Assessment in Generated Images
von: Koltsov, Kirill, et al.
Veröffentlicht: (2026)

No Concept Left Behind: Test-Time Optimization for Compositional Text-to-Image Generation
von: Sameti, Mohammad Hossein, et al.
Veröffentlicht: (2025)

Building Autonomous GUI Navigation via Agentic-Q Estimation and Step-Wise Policy Optimization
von: Wang, Yibo, et al.
Veröffentlicht: (2026)

HyperAlign: Hypernetwork for Efficient Test-Time Alignment of Diffusion Models
von: Xie, Xin, et al.
Veröffentlicht: (2026)

A Unified Agentic Framework for Evaluating Conditional Image Generation
von: Wang, Jifang, et al.
Veröffentlicht: (2025)

Incorporating Test-Time Optimization into Training with Dual Networks for Human Mesh Recovery
von: Nie, Yongwei, et al.
Veröffentlicht: (2024)

Images Speak Louder Than Scores: Failure Mode Escape for Enhancing Generative Quality
von: Shao, Jie, et al.
Veröffentlicht: (2025)

Verify Claimed Text-to-Image Models via Boundary-Aware Prompt Optimization
von: Zhao, Zidong, et al.
Veröffentlicht: (2026)

Multimodal Large Language Model is a Human-Aligned Annotator for Text-to-Image Generation
von: Wu, Xun, et al.
Veröffentlicht: (2024)

TextRegion: Text-Aligned Region Tokens from Frozen Image-Text Models
von: Xiao, Yao, et al.
Veröffentlicht: (2025)

AlignCVC: Aligning Cross-View Consistency for Single-Image-to-3D Generation
von: Liang, Xinyue, et al.
Veröffentlicht: (2025)

EmoAttack: Emotion-to-Image Diffusion Models for Emotional Backdoor Generation
von: Wei, Tianyu, et al.
Veröffentlicht: (2024)

Rethinking Multilingual Vision-Language Translation: Dataset, Evaluation, and Adaptation
von: Wang, Xintong, et al.
Veröffentlicht: (2025)

Controllable Generation with Text-to-Image Diffusion Models: A Survey
von: Cao, Pu, et al.
Veröffentlicht: (2024)

Filter & Align: Leveraging Human Knowledge to Curate Image-Text Data
von: Zhang, Lei, et al.
Veröffentlicht: (2023)

Diff-Instruct++: Training One-step Text-to-image Generator Model to Align with Human Preferences
von: Luo, Weijian
Veröffentlicht: (2024)

MMIF-AMIN: Adaptive Loss-Driven Multi-Scale Invertible Dense Network for Multimodal Medical Image Fusion
von: Luo, Tao, et al.
Veröffentlicht: (2025)

Asynchronous Denoising Diffusion Models for Aligning Text-to-Image Generation
von: Hu, Zijing, et al.
Veröffentlicht: (2025)

Skill-Aligned Annotation for Reliable Evaluation in Text-to-Image Generation
von: Eldesokey, Abdelrahman, et al.
Veröffentlicht: (2026)

Curriculum Group Policy Optimization: Adaptive Sampling for Unleashing the Potential of Text-to-Image Generation
von: Li, Baoteng, et al.
Veröffentlicht: (2026)

Dynamic Prompt Optimizing for Text-to-Image Generation
von: Mo, Wenyi, et al.
Veröffentlicht: (2024)

ComfyUI-R1: Exploring Reasoning Models for Workflow Generation
von: Xu, Zhenran, et al.
Veröffentlicht: (2025)

ReAlign: Generalizable Image Forgery Detection via Reasoning-Aligned Representation
von: Huang, Qing, et al.
Veröffentlicht: (2026)

Rich Human Feedback for Text-to-Image Generation
von: Liang, Youwei, et al.
Veröffentlicht: (2023)