Improving the Diffusability of Autoencoders
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Skorokhodov, Ivan, Girish, Sharath, Hu, Benran, Menapace, Willi, Li, Yanyu, Abdal, Rameen, Tulyakov, Sergey, Siarohin, Aliaksandr |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Dynamic Concepts Personalization from Single Videos
par: Abdal, Rameen, et autres
Publié: (2025)
par: Abdal, Rameen, et autres
Publié: (2025)
Hierarchical Patch Diffusion Models for High-Resolution Video Generation
par: Skorokhodov, Ivan, et autres
Publié: (2024)
par: Skorokhodov, Ivan, et autres
Publié: (2024)
AlphaFlow: Understanding and Improving MeanFlow Models
par: Zhang, Huijie, et autres
Publié: (2025)
par: Zhang, Huijie, et autres
Publié: (2025)
Improving Progressive Generation with Decomposable Flow Matching
par: Haji-Ali, Moayed, et autres
Publié: (2025)
par: Haji-Ali, Moayed, et autres
Publié: (2025)
H3AE: High Compression, High Speed, and High Quality AutoEncoder for Video Diffusion Models
par: Wu, Yushu, et autres
Publié: (2025)
par: Wu, Yushu, et autres
Publié: (2025)
Video Motion Transfer with Diffusion Transformers
par: Pondaven, Alexander, et autres
Publié: (2024)
par: Pondaven, Alexander, et autres
Publié: (2024)
Promptable Game Models: Text-Guided Game Simulation via Masked Diffusion Models
par: Menapace, Willi, et autres
Publié: (2023)
par: Menapace, Willi, et autres
Publié: (2023)
AV-Link: Temporally-Aligned Diffusion Features for Cross-Modal Audio-Video Generation
par: Haji-Ali, Moayed, et autres
Publié: (2024)
par: Haji-Ali, Moayed, et autres
Publié: (2024)
VIMI: Grounding Video Generation through Multi-modal Instruction
par: Fang, Yuwei, et autres
Publié: (2024)
par: Fang, Yuwei, et autres
Publié: (2024)
Zero-Shot Dynamic Concept Personalization with Grid-Based LoRA
par: Abdal, Rameen, et autres
Publié: (2025)
par: Abdal, Rameen, et autres
Publié: (2025)
AlcheMinT: Fine-grained Temporal Control for Multi-Reference Consistent Video Generation
par: Girish, Sharath, et autres
Publié: (2025)
par: Girish, Sharath, et autres
Publié: (2025)
AC3D: Analyzing and Improving 3D Camera Control in Video Diffusion Transformers
par: Bahmani, Sherwin, et autres
Publié: (2024)
par: Bahmani, Sherwin, et autres
Publié: (2024)
DenseDPO: Fine-Grained Temporal Preference Optimization for Video Diffusion Models
par: Wu, Ziyi, et autres
Publié: (2025)
par: Wu, Ziyi, et autres
Publié: (2025)
Snap Video: Scaled Spatiotemporal Transformers for Text-to-Video Synthesis
par: Menapace, Willi, et autres
Publié: (2024)
par: Menapace, Willi, et autres
Publié: (2024)
ArtifactLens: Hundreds of Labels Are Enough for Artifact Detection with VLMs
par: Burgess, James, et autres
Publié: (2026)
par: Burgess, James, et autres
Publié: (2026)
AsCAN: Asymmetric Convolution-Attention Networks for Efficient Recognition and Generation
par: Kag, Anil, et autres
Publié: (2024)
par: Kag, Anil, et autres
Publié: (2024)
OmniView: An All-Seeing Diffusion Model for 3D and 4D View Synthesis
par: Fan, Xiang, et autres
Publié: (2025)
par: Fan, Xiang, et autres
Publié: (2025)
ActionParty: Multi-Subject Action Binding in Generative Video Games
par: Pondaven, Alexander, et autres
Publié: (2026)
par: Pondaven, Alexander, et autres
Publié: (2026)
Mind the Time: Temporally-Controlled Multi-Event Video Generation
par: Wu, Ziyi, et autres
Publié: (2024)
par: Wu, Ziyi, et autres
Publié: (2024)
EgoEdit: Dataset, Real-Time Streaming Model, and Benchmark for Egocentric Video Editing
par: Li, Runjia, et autres
Publié: (2025)
par: Li, Runjia, et autres
Publié: (2025)
One Model, Many Budgets: Elastic Latent Interfaces for Diffusion Transformers
par: Haji-Ali, Moayed, et autres
Publié: (2026)
par: Haji-Ali, Moayed, et autres
Publié: (2026)
Sprint: Sparse-Dense Residual Fusion for Efficient Diffusion Transformers
par: Park, Dogyun, et autres
Publié: (2025)
par: Park, Dogyun, et autres
Publié: (2025)
Taming Diffusion Transformer for Efficient Mobile Video Generation in Seconds
par: Wu, Yushu, et autres
Publié: (2025)
par: Wu, Yushu, et autres
Publié: (2025)
4Real-Video: Learning Generalizable Photo-Realistic 4D Video Diffusion
par: Wang, Chaoyang, et autres
Publié: (2024)
par: Wang, Chaoyang, et autres
Publié: (2024)
HyperHuman: Hyper-Realistic Human Generation with Latent Structural Diffusion
par: Liu, Xian, et autres
Publié: (2023)
par: Liu, Xian, et autres
Publié: (2023)
SF-V: Single Forward Video Generation Model
par: Zhang, Zhixing, et autres
Publié: (2024)
par: Zhang, Zhixing, et autres
Publié: (2024)
4Real-Video-V2: Fused View-Time Attention and Feedforward Reconstruction for 4D Scene Generation
par: Wang, Chaoyang, et autres
Publié: (2025)
par: Wang, Chaoyang, et autres
Publié: (2025)
VD3D: Taming Large Video Diffusion Transformers for 3D Camera Control
par: Bahmani, Sherwin, et autres
Publié: (2024)
par: Bahmani, Sherwin, et autres
Publié: (2024)
TextCraftor: Your Text Encoder Can be Image Quality Controller
par: Li, Yanyu, et autres
Publié: (2024)
par: Li, Yanyu, et autres
Publié: (2024)
GTR: Improving Large 3D Reconstruction Models through Geometry and Texture Refinement
par: Zhuang, Peiye, et autres
Publié: (2024)
par: Zhuang, Peiye, et autres
Publié: (2024)
Multi-subject Open-set Personalization in Video Generation
par: Chen, Tsai-Shien, et autres
Publié: (2025)
par: Chen, Tsai-Shien, et autres
Publié: (2025)
Efficient Training with Denoised Neural Weights
par: Gong, Yifan, et autres
Publié: (2024)
par: Gong, Yifan, et autres
Publié: (2024)
Pixel-Aligned Multi-View Generation with Depth Guided Decoder
par: Tang, Zhenggang, et autres
Publié: (2024)
par: Tang, Zhenggang, et autres
Publié: (2024)
4Real: Towards Photorealistic 4D Scene Generation via Video Diffusion Models
par: Yu, Heng, et autres
Publié: (2024)
par: Yu, Heng, et autres
Publié: (2024)
E$^{2}$GAN: Efficient Training of Efficient GANs for Image-to-Image Translation
par: Gong, Yifan, et autres
Publié: (2024)
par: Gong, Yifan, et autres
Publié: (2024)
Visual Personalization Turing Test
par: Abdal, Rameen, et autres
Publié: (2026)
par: Abdal, Rameen, et autres
Publié: (2026)
EasyV2V: A High-quality Instruction-based Video Editing Framework
par: Mai, Jinjie, et autres
Publié: (2025)
par: Mai, Jinjie, et autres
Publié: (2025)
Diffusion Autoencoders are Scalable Image Tokenizers
par: Chen, Yinbo, et autres
Publié: (2025)
par: Chen, Yinbo, et autres
Publié: (2025)
Masked Autoencoders Are Effective Tokenizers for Diffusion Models
par: Chen, Hao, et autres
Publié: (2025)
par: Chen, Hao, et autres
Publié: (2025)
Improved Baselines with Representation Autoencoders
par: Singh, Jaskirat, et autres
Publié: (2026)
par: Singh, Jaskirat, et autres
Publié: (2026)
Documents similaires
-
Dynamic Concepts Personalization from Single Videos
par: Abdal, Rameen, et autres
Publié: (2025) -
Hierarchical Patch Diffusion Models for High-Resolution Video Generation
par: Skorokhodov, Ivan, et autres
Publié: (2024) -
AlphaFlow: Understanding and Improving MeanFlow Models
par: Zhang, Huijie, et autres
Publié: (2025) -
Improving Progressive Generation with Decomposable Flow Matching
par: Haji-Ali, Moayed, et autres
Publié: (2025) -
H3AE: High Compression, High Speed, and High Quality AutoEncoder for Video Diffusion Models
par: Wu, Yushu, et autres
Publié: (2025)