Image de couverture de livre

Boosting Resolution Generalization of Diffusion Transformers with Randomized Positional Encodings

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Hou, Liang, Liu, Cong, Zheng, Mingwu, Tao, Xin, Wan, Pengfei, Zhang, Di, Gai, Kun
Format:	Preprint
Publié:	2025
Sujets:	Computer Vision and Pattern Recognition
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires

DiffMoE: Dynamic Token Selection for Scalable Diffusion Transformers
par: Shi, Minglei, et autres
Publié: (2025)

Towards Precise Scaling Laws for Video Diffusion Transformers
par: Yin, Yuanyang, et autres
Publié: (2024)

VLMs are Good Teachers for Video Reasoning via Adaptive Test-Time Optimization
par: Cheng, Junhao, et autres
Publié: (2026)

I2V-Adapter: A General Image-to-Video Adapter for Diffusion Models
par: Guo, Xun, et autres
Publié: (2023)

ConceptMaster: Multi-Concept Video Customization on Diffusion Transformer Models Without Test-Time Tuning
par: Huang, Yuzhou, et autres
Publié: (2025)

FullDiT2: Efficient In-Context Conditioning for Video Diffusion Transformers
par: He, Xuanhua, et autres
Publié: (2025)

VMoBA: Mixture-of-Block Attention for Video Diffusion Models
par: Wu, Jianzong, et autres
Publié: (2025)

LEDiT: Your Length-Extrapolatable Diffusion Transformer without Positional Encoding
par: Zhang, Shen, et autres
Publié: (2025)

UniVideo: Unified Understanding, Generation, and Editing for Videos
par: Wei, Cong, et autres
Publié: (2025)

Boosting Latent Diffusion Models via Disentangled Representation Alignment
par: Page, John, et autres
Publié: (2026)

Imbalance in Balance: Online Concept Balancing in Generation Models
par: Shi, Yukai, et autres
Publié: (2025)

Semantic Routing: Exploring Multi-Layer LLM Feature Weighting for Diffusion Transformers
par: Li, Bozhou, et autres
Publié: (2026)

VRMM: A Volumetric Relightable Morphable Head Model
par: Yang, Haotian, et autres
Publié: (2024)

PatchVSR: Breaking Video Diffusion Resolution Limits with Patch-wise Video Super-Resolution
par: Du, Shian, et autres
Publié: (2025)

Scaling Image and Video Generation via Test-Time Evolutionary Search
par: He, Haoran, et autres
Publié: (2025)

Visual-Aware CoT: Achieving High-Fidelity Visual Consistency in Unified Models
par: Ye, Zixuan, et autres
Publié: (2025)

FullDiT: Multi-Task Video Generative Foundation Model with Full Attention
par: Ju, Xuan, et autres
Publié: (2025)

A Survey of Interactive Generative Video
par: Yu, Jiwen, et autres
Publié: (2025)

VINO: A Unified Visual Generator with Interleaved OmniModal Context
par: Chen, Junyi, et autres
Publié: (2026)

Position: Interactive Generative Video as Next-Generation Game Engine
par: Yu, Jiwen, et autres
Publié: (2025)

FilmWeaver: Weaving Consistent Multi-Shot Videos with Cache-Guided Autoregressive Diffusion
par: Luo, Xiangyang, et autres
Publié: (2025)

Weierstrass Positional Encoding for Vision Transformers
par: Xin, Zhihang, et autres
Publié: (2026)

CamCloneMaster: Enabling Reference-based Camera Control for Video Generation
par: Luo, Yawen, et autres
Publié: (2025)

3D-Aware Implicit Motion Control for View-Adaptive Human Video Generation
par: Fang, Zhixue, et autres
Publié: (2026)

OmniSync: Towards Universal Lip Synchronization via Diffusion Transformers
par: Peng, Ziqiao, et autres
Publié: (2025)

MTV-Inpaint: Multi-Task Long Video Inpainting
par: Yang, Shiyuan, et autres
Publié: (2025)

Trust but Verify: Adaptive Conditioning for Reference-Based Diffusion Super-Resolution via Implicit Reference Correlation Modeling
par: Wang, Yuan, et autres
Publié: (2026)

Improving Video Generation with Human Feedback
par: Liu, Jie, et autres
Publié: (2025)

CineMaster: A 3D-Aware and Controllable Framework for Cinematic Text-to-Video Generation
par: Wang, Qinghe, et autres
Publié: (2025)

Cross Resolution Encoding-Decoding For Detection Transformers
par: Kumar, Ashish, et autres
Publié: (2024)

Diffusion Transformer-to-Mamba Distillation for High-Resolution Image Generation
par: Yao, Yuan, et autres
Publié: (2025)

UniCustom: Unified Visual Conditioning for Multi-Reference Image Generation
par: Xu, Yiyan, et autres
Publié: (2026)

Stable Velocity: A Variance Perspective on Flow Matching
par: Yang, Donglin, et autres
Publié: (2026)

DiT4SR: Taming Diffusion Transformer for Real-World Image Super-Resolution
par: Duan, Zheng-Peng, et autres
Publié: (2025)

From Sketch to Fresco: Efficient Diffusion Transformer with Progressive Resolution
par: Zheng, Shikang, et autres
Publié: (2026)

AudioGen-Omni: A Unified Multimodal Diffusion Transformer for Video-Synchronized Audio, Speech, and Song Generation
par: Wang, Le, et autres
Publié: (2025)

ImFace++: A Sophisticated Nonlinear 3D Morphable Face Model with Implicit Neural Representations
par: Zheng, Mingwu, et autres
Publié: (2023)

EFDiT: Efficient Fine-grained Image Generation Using Diffusion Transformer Models
par: Wang, Kun, et autres
Publié: (2025)

ControlSR: Taming Diffusion Models for Consistent Real-World Image Super Resolution
par: Wan, Yuhao, et autres
Publié: (2024)

PhysFlow: Unleashing the Potential of Multi-modal Foundation Models and Video Diffusion for 4D Dynamic Physical Scene Simulation
par: Liu, Zhuoman, et autres
Publié: (2024)