Buchumschlag

Unified Dense Prediction of Video Diffusion

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Lehan, Qi, Lu, Li, Xiangtai, Li, Sheng, Jampani, Varun, Yang, Ming-Hsuan
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

Video Prediction Transformers without Recurrence or Convolution
von: Tang, Yujin, et al.
Veröffentlicht: (2024)

HumANDiff: Articulated Noise Diffusion for Motion-Consistent Human Video Generation
von: Hu, Tao, et al.
Veröffentlicht: (2026)

Generalizable Entity Grounding via Assistance of Large Language Model
von: Qi, Lu, et al.
Veröffentlicht: (2024)

Computational Tradeoffs in Image Synthesis: Diffusion, Masked-Token, and Next-Token Prediction
von: Kilian, Maciej, et al.
Veröffentlicht: (2024)

DC-SAM: In-Context Segment Anything in Images and Videos via Dual Consistency
von: Qi, Mengshi, et al.
Veröffentlicht: (2025)

VRMDiff: Text-Guided Video Referring Matting Generation of Diffusion
von: Yang, Lehan, et al.
Veröffentlicht: (2025)

Sa2VA: Marrying SAM2 with LLaVA for Dense Grounded Understanding of Images and Videos
von: Yuan, Haobo, et al.
Veröffentlicht: (2025)

Exploiting Diffusion Prior for Generalizable Dense Prediction
von: Lee, Hsin-Ying, et al.
Veröffentlicht: (2023)

Reason3D: Searching and Reasoning 3D Segmentation via Large Language Model
von: Huang, Kuan-Chih, et al.
Veröffentlicht: (2024)

Reference Twice: A Simple and Unified Baseline for Few-Shot Instance Segmentation
von: Han, Yue, et al.
Veröffentlicht: (2023)

Human Video Generation from a Single Image with 3D Pose and View Control
von: Wang, Tiantian, et al.
Veröffentlicht: (2026)

Dense360: Dense Understanding from Omnidirectional Panoramas
von: Zhou, Yikang, et al.
Veröffentlicht: (2025)

SemFlow: Binding Semantic Segmentation and Image Synthesis via Rectified Flow
von: Wang, Chaoyang, et al.
Veröffentlicht: (2024)

LLAVADI: What Matters For Multimodal Large Language Models Distillation
von: Xu, Shilin, et al.
Veröffentlicht: (2024)

Stable Part Diffusion 4D: Multi-View RGB and Kinematic Parts Video Generation
von: Zhang, Hao, et al.
Veröffentlicht: (2025)

Telling Left from Right: Identifying Geometry-Aware Semantic Correspondence
von: Zhang, Junyi, et al.
Veröffentlicht: (2023)

Tex4D: Zero-shot 4D Scene Texturing with Video Diffusion Models
von: Bao, Jingzhi, et al.
Veröffentlicht: (2024)

CLIPSelf: Vision Transformer Distills Itself for Open-Vocabulary Dense Prediction
von: Wu, Size, et al.
Veröffentlicht: (2023)

PanopticPartFormer++: A Unified and Decoupled View for Panoptic Part Segmentation
von: Li, Xiangtai, et al.
Veröffentlicht: (2023)

SV4D 2.0: Enhancing Spatio-Temporal Consistency in Multi-View Video Diffusion for High-Quality 4D Generation
von: Yao, Chun-Han, et al.
Veröffentlicht: (2025)

Pyramid Diffusion for Fine 3D Large Scene Generation
von: Liu, Yuheng, et al.
Veröffentlicht: (2023)

Effective Adapter for Face Recognition in the Wild
von: Liu, Yunhao, et al.
Veröffentlicht: (2023)

Mamba or RWKV: Exploring High-Quality and High-Efficiency Segment Anything Model
von: Yuan, Haobo, et al.
Veröffentlicht: (2024)

Decouple and Track: Benchmarking and Improving Video Diffusion Transformers for Motion Transfer
von: Shi, Qingyu, et al.
Veröffentlicht: (2025)

MonST3R: A Simple Approach for Estimating Geometry in the Presence of Motion
von: Zhang, Junyi, et al.
Veröffentlicht: (2024)

Human-in-Context: Unified Cross-Domain 3D Human Motion Modeling via In-Context Learning
von: Liu, Mengyuan, et al.
Veröffentlicht: (2025)

RobuRCDet: Enhancing Robustness of Radar-Camera Fusion in Bird's Eye View for 3D Object Detection
von: Yue, Jingtong, et al.
Veröffentlicht: (2025)

4th PVUW MeViS 3rd Place Report: Sa2VA
von: Yuan, Haobo, et al.
Veröffentlicht: (2025)

Tuning-Free Image Editing with Fidelity and Editability via Unified Latent Diffusion Model
von: Mao, Qi, et al.
Veröffentlicht: (2025)

ConDense: Consistent 2D/3D Pre-training for Dense and Sparse Features from Multi-View Images
von: Zhang, Xiaoshuai, et al.
Veröffentlicht: (2024)

HouseCrafter: Lifting Floorplans to 3D Scenes with 2D Diffusion Model
von: Nguyen, Hieu T., et al.
Veröffentlicht: (2024)

A Simple Approach to Unifying Diffusion-based Conditional Generation
von: Li, Xirui, et al.
Veröffentlicht: (2024)

Restage4D: Reanimating Deformable 3D Reconstruction from a Single Video
von: He, Jixuan, et al.
Veröffentlicht: (2025)

SMooDi: Stylized Motion Diffusion Model
von: Zhong, Lei, et al.
Veröffentlicht: (2024)

CoCo4D: Comprehensive and Complex 4D Scene Generation
von: Zhou, Junwei, et al.
Veröffentlicht: (2025)

IllumiCraft: Unified Geometry and Illumination Diffusion for Controllable Video Generation
von: Lin, Yuanze, et al.
Veröffentlicht: (2025)

Layout-your-3D: Controllable and Precise 3D Generation with 2D Blueprint
von: Zhou, Junwei, et al.
Veröffentlicht: (2024)

SyncNoise: Geometrically Consistent Noise Prediction for Text-based 3D Scene Editing
von: Li, Ruihuang, et al.
Veröffentlicht: (2024)

Frequency Domain-Based Diffusion Model for Unpaired Image Dehazing
von: Liu, Chengxu, et al.
Veröffentlicht: (2025)

Learning Deblurring Texture Prior from Unpaired Data with Diffusion Model
von: Liu, Chengxu, et al.
Veröffentlicht: (2025)