Buchumschlag

MALT Diffusion: Memory-Augmented Latent Transformers for Any-Length Video Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Sihyun, Hahn, Meera, Kondratyuk, Dan, Shin, Jinwoo, Gupta, Agrim, Lezama, José, Essa, Irfan, Ross, David, Huang, Jonathan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CamViG: Camera Aware Image-to-Video Generation with Multimodal Transformers
von: Marmon, Andrew, et al.
Veröffentlicht: (2024)

Efficient Video Diffusion Models via Content-Frame Motion-Latent Decomposition
von: Yu, Sihyun, et al.
Veröffentlicht: (2024)

Representation Alignment for Generation: Training Diffusion Transformers Is Easier Than You Think
von: Yu, Sihyun, et al.
Veröffentlicht: (2024)

Learning Complex Non-Rigid Image Edits from Multimodal Conditioning
von: Warner, Nikolai, et al.
Veröffentlicht: (2024)

VideoPoet: A Large Language Model for Zero-Shot Video Generation
von: Kondratyuk, Dan, et al.
Veröffentlicht: (2023)

Decoupled MeanFlow: Turning Flow Models into Flow Maps for Accelerated Sampling
von: Lee, Kyungmin, et al.
Veröffentlicht: (2025)

Data-Efficient Molecular Generation with Hierarchical Textual Inversion
von: Kim, Seojin, et al.
Veröffentlicht: (2024)

Efficient Long Video Tokenization via Coordinate-based Patch Reconstruction
von: Jang, Huiwon, et al.
Veröffentlicht: (2024)

Language Model Beats Diffusion -- Tokenizer is Key to Visual Generation
von: Yu, Lijun, et al.
Veröffentlicht: (2023)

HierSum: A Global and Local Attention Mechanism for Video Summarization
von: Beedu, Apoorva, et al.
Veröffentlicht: (2025)

Controllable Human Image Generation with Personalized Multi-Garments
von: Choi, Yisol, et al.
Veröffentlicht: (2024)

A Versatile Diffusion Transformer with Mixture of Noise Levels for Audiovisual Generation
von: Kim, Gwanghyun, et al.
Veröffentlicht: (2024)

AVID: Any-Length Video Inpainting with Diffusion Model
von: Zhang, Zhixing, et al.
Veröffentlicht: (2023)

Improving Motion in Image-to-Video Models via Adaptive Low-Pass Guidance
von: Choi, June Suk, et al.
Veröffentlicht: (2025)

Leveraging Procedural Knowledge and Task Hierarchies for Efficient Instructional Video Pre-training
von: Samel, Karan, et al.
Veröffentlicht: (2025)

Calibrated Multi-Preference Optimization for Aligning Diffusion Models
von: Lee, Kyungmin, et al.
Veröffentlicht: (2025)

Exploring Efficient Foundational Multi-modal Models for Video Summarization
von: Samel, Karan, et al.
Veröffentlicht: (2024)

Latte: Latent Diffusion Transformer for Video Generation
von: Ma, Xin, et al.
Veröffentlicht: (2024)

Improved Immiscible Diffusion: Accelerate Diffusion Training by Reducing Its Miscibility
von: Li, Yiheng, et al.
Veröffentlicht: (2025)

ContextVLA: Vision-Language-Action Model with Amortized Multi-Frame Context
von: Jang, Huiwon, et al.
Veröffentlicht: (2025)

Any-Order Flexible Length Masked Diffusion
von: Kim, Jaeyeon, et al.
Veröffentlicht: (2025)

UniversalVTG: A Universal and Lightweight Foundation Model for Video Temporal Grounding
von: An, Joungbin, et al.
Veröffentlicht: (2026)

SPARLING: Learning Latent Representations with Extremely Sparse Activations
von: Gupta, Kavi, et al.
Veröffentlicht: (2023)

A Formal Framework for Understanding Length Generalization in Transformers
von: Huang, Xinting, et al.
Veröffentlicht: (2024)

SLAIM: Robust Dense Neural SLAM for Online Tracking and Mapping
von: Cartillier, Vincent, et al.
Veröffentlicht: (2024)

3D Semantic MapNet: Building Maps for Multi-Object Re-Identification in 3D
von: Cartillier, Vincent, et al.
Veröffentlicht: (2024)

DiMEx: Breaking the Cold Start Barrier in Data-Free Model Extraction via Latent Diffusion Priors
von: Thesia, Yash, et al.
Veröffentlicht: (2026)

Dual-Stream Diffusion for World-Model Augmented Vision-Language-Action Model
von: Won, John, et al.
Veröffentlicht: (2025)

Drive Any Mesh: 4D Latent Diffusion for Mesh Deformation from Video
von: Shi, Yahao, et al.
Veröffentlicht: (2025)

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

Analytical Solution of the Advection Diffusion Equation Taking Power Law and Linearity of Eddy Diffusivity Using Hankel Transform
von: Hanaa M. Taha, et al.
Veröffentlicht: (2025)

Memory-V2V: Memory-Augmented Video-to-Video Diffusion for Consistent Multi-Turn Editing
von: Lee, Dohun, et al.
Veröffentlicht: (2026)

Latent Space Super-Resolution for Higher-Resolution Image Generation with Diffusion Models
von: Jeong, Jinho, et al.
Veröffentlicht: (2025)

Self-Review Framework for Enhancing Instruction Following Capability of LLM
von: Park, Sihyun
Veröffentlicht: (2025)

Does This Look Familiar to You? Knowledge Analysis via Model Internal Representations
von: Park, Sihyun
Veröffentlicht: (2025)

Restoration-Aligned Generative Flow Models for Blind Motion Deblurring
von: Kim, Insoo, et al.
Veröffentlicht: (2026)

LatentColorization: Latent Diffusion-Based Speaker Video Colorization
von: Ward, Rory, et al.
Veröffentlicht: (2024)

Densify & Conquer: Densified, smaller base-stations can conquer the increasing carbon footprint problem in nextG wireless
von: Gupta, Agrim, et al.
Veröffentlicht: (2024)

Memory-Augmented Generative Adversarial Transformers
von: Raaijmakers, Stephan, et al.
Veröffentlicht: (2024)

Microsecond-scale sucrose conformational dynamics in aqueous solution via molecular dynamics methods
von: Deshchenya, Vladimir, et al.
Veröffentlicht: (2025)