Object Isolated Attention for Consistent Story Visualization
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Luo, Xiangyang, Cheng, Junhao, Xie, Yifan, Zhang, Xin, Feng, Tao, Liu, Zhou, Ma, Fei, Yu, Fei |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
MuseFace: Text-driven Face Editing via Diffusion-based Mask Generation Approach
par: Zhang, Xin, et autres
Publié: (2025)
par: Zhang, Xin, et autres
Publié: (2025)
CCIS-Diff: A Generative Model with Stable Diffusion Prior for Controlled Colonoscopy Image Synthesis
par: Xie, Yifan, et autres
Publié: (2024)
par: Xie, Yifan, et autres
Publié: (2024)
Audio-Driven Talking Face Video Generation with Joint Uncertainty Learning
par: Xie, Yifan, et autres
Publié: (2025)
par: Xie, Yifan, et autres
Publié: (2025)
DreamStory: Open-Domain Story Visualization by LLM-Guided Multi-Subject Consistent Diffusion
par: He, Huiguo, et autres
Publié: (2024)
par: He, Huiguo, et autres
Publié: (2024)
OnlineHOI: Towards Online Human-Object Interaction Generation and Perception
par: Ji, Yihong, et autres
Publié: (2025)
par: Ji, Yihong, et autres
Publié: (2025)
Causal-Story: Local Causal Attention Utilizing Parameter-Efficient Tuning For Visual Story Synthesis
par: Song, Tianyi, et autres
Publié: (2023)
par: Song, Tianyi, et autres
Publié: (2023)
Universal Visuo-Tactile Video Understanding for Embodied Interaction
par: Xie, Yifan, et autres
Publié: (2025)
par: Xie, Yifan, et autres
Publié: (2025)
Learning Physical Dynamics for Object-centric Visual Prediction
par: Xu, Huilin, et autres
Publié: (2024)
par: Xu, Huilin, et autres
Publié: (2024)
SalM$^{2}$: An Extremely Lightweight Saliency Mamba Model for Real-Time Cognitive Awareness of Driver Attention
par: Zhao, Chunyu, et autres
Publié: (2025)
par: Zhao, Chunyu, et autres
Publié: (2025)
Dynamic Attention Mechanism in Spatiotemporal Memory Networks for Object Tracking
par: Zhou, Meng, et autres
Publié: (2025)
par: Zhou, Meng, et autres
Publié: (2025)
ContextualStory: Consistent Visual Storytelling with Spatially-Enhanced and Storyline Context
par: Zheng, Sixiao, et autres
Publié: (2024)
par: Zheng, Sixiao, et autres
Publié: (2024)
EEG-Driven 3D Object Reconstruction with Style Consistency and Diffusion Prior
par: Xiang, Xin, et autres
Publié: (2024)
par: Xiang, Xin, et autres
Publié: (2024)
Vision Inference Former: Sustaining Visual Consistency in Multimodal Large Language Models
par: Dong, Xinpeng, et autres
Publié: (2026)
par: Dong, Xinpeng, et autres
Publié: (2026)
Causally-Grounded Dual-Path Attention Intervention for Object Hallucination Mitigation in LVLMs
par: Yu, Liu, et autres
Publié: (2025)
par: Yu, Liu, et autres
Publié: (2025)
STORYANCHORS: Generating Consistent Multi-Scene Story Frames for Long-Form Narratives
par: Wang, Bo, et autres
Publié: (2025)
par: Wang, Bo, et autres
Publié: (2025)
TextMatch: Enhancing Image-Text Consistency Through Multimodal Optimization
par: Luo, Yucong, et autres
Publié: (2024)
par: Luo, Yucong, et autres
Publié: (2024)
MMCL-Bench: Multimodal Context Learning from Visual Rules, Procedures, and Evidence
par: Chen, Yifan, et autres
Publié: (2026)
par: Chen, Yifan, et autres
Publié: (2026)
Integrating Object Interaction Self-Attention and GAN-Based Debiasing for Visual Question Answering
par: Li, Zhifei, et autres
Publié: (2025)
par: Li, Zhifei, et autres
Publié: (2025)
Collaborative Attention and Consistent-Guided Fusion of MRI and PET for Alzheimer's Disease Diagnosis
par: Ma, Delin, et autres
Publié: (2025)
par: Ma, Delin, et autres
Publié: (2025)
Storynizor: Consistent Story Generation via Inter-Frame Synchronized and Shuffled ID Injection
par: Ma, Yuhang, et autres
Publié: (2024)
par: Ma, Yuhang, et autres
Publié: (2024)
Serial Over Parallel: Learning Continual Unification for Multi-Modal Visual Object Tracking and Benchmarking
par: Tang, Zhangyong, et autres
Publié: (2025)
par: Tang, Zhangyong, et autres
Publié: (2025)
Bridging Coarse and Fine Recognition: A Hybrid Approach for Open-Ended Multi-Granularity Object Recognition in Interactive Educational Games
par: Yi, Hanling, et autres
Publié: (2026)
par: Yi, Hanling, et autres
Publié: (2026)
Focusing by Contrastive Attention: Enhancing VLMs' Visual Reasoning
par: Ge, Yuyao, et autres
Publié: (2025)
par: Ge, Yuyao, et autres
Publié: (2025)
Correcting Visual Blur Induced by Attention Distraction to Reduce Hallucinations: Algorithm and Theory
par: Li, Quanjiang, et autres
Publié: (2026)
par: Li, Quanjiang, et autres
Publié: (2026)
Architecture-Agnostic Modality-Isolated Gated Fusion for Robust Multi-Modal Prostate MRI Segmentation
par: Shu, Yongbo, et autres
Publié: (2026)
par: Shu, Yongbo, et autres
Publié: (2026)
RELO: Reinforcement Learning to Localize for Visual Object Tracking
par: Chen, Xin, et autres
Publié: (2026)
par: Chen, Xin, et autres
Publié: (2026)
Visual Object Tracking across Diverse Data Modalities: A Review
par: Wang, Mengmeng, et autres
Publié: (2024)
par: Wang, Mengmeng, et autres
Publié: (2024)
PathGLS: Evaluating Pathology Vision-Language Models without Ground Truth through Multi-Dimensional Consistency
par: Chen, Minbing, et autres
Publié: (2026)
par: Chen, Minbing, et autres
Publié: (2026)
A Study of Commonsense Reasoning over Visual Object Properties
par: Kolari, Abhishek, et autres
Publié: (2025)
par: Kolari, Abhishek, et autres
Publié: (2025)
Cross-Layer Vision Smoothing: Enhancing Visual Understanding via Sustained Focus on Key Objects in Large Vision-Language Models
par: Zhao, Jianfei, et autres
Publié: (2025)
par: Zhao, Jianfei, et autres
Publié: (2025)
CARE: Contrastive Alignment for ADL Recognition from Event-Triggered Sensor Streams
par: Zhao, Junhao, et autres
Publié: (2025)
par: Zhao, Junhao, et autres
Publié: (2025)
CoInteract: Physically-Consistent Human-Object Interaction Video Synthesis via Spatially-Structured Co-Generation
par: Luo, Xiangyang, et autres
Publié: (2026)
par: Luo, Xiangyang, et autres
Publié: (2026)
DRMOT: A Dataset and Framework for RGBD Referring Multi-Object Tracking
par: Chen, Sijia, et autres
Publié: (2026)
par: Chen, Sijia, et autres
Publié: (2026)
LocalMamba: Visual State Space Model with Windowed Selective Scan
par: Huang, Tao, et autres
Publié: (2024)
par: Huang, Tao, et autres
Publié: (2024)
Vision-Language Model Purified Semi-Supervised Semantic Segmentation for Remote Sensing Images
par: Wang, Shanwen, et autres
Publié: (2026)
par: Wang, Shanwen, et autres
Publié: (2026)
Online Handwritten Signature Verification Based on Temporal-Spatial Graph Attention Transformer
par: Yuan, Hai-jie, et autres
Publié: (2025)
par: Yuan, Hai-jie, et autres
Publié: (2025)
HASTE: Training-Free Video Diffusion Acceleration via Head-Wise Adaptive Sparse Attention
par: Zheng, Xuzhe, et autres
Publié: (2026)
par: Zheng, Xuzhe, et autres
Publié: (2026)
One-Prompt-One-Story: Free-Lunch Consistent Text-to-Image Generation Using a Single Prompt
par: Liu, Tao, et autres
Publié: (2025)
par: Liu, Tao, et autres
Publié: (2025)
A-VL: Adaptive Attention for Large Vision-Language Models
par: Zhang, Junyang, et autres
Publié: (2024)
par: Zhang, Junyang, et autres
Publié: (2024)
VisAgent: Narrative-Preserving Story Visualization Framework
par: Kim, Seungkwon, et autres
Publié: (2025)
par: Kim, Seungkwon, et autres
Publié: (2025)
Documents similaires
-
MuseFace: Text-driven Face Editing via Diffusion-based Mask Generation Approach
par: Zhang, Xin, et autres
Publié: (2025) -
CCIS-Diff: A Generative Model with Stable Diffusion Prior for Controlled Colonoscopy Image Synthesis
par: Xie, Yifan, et autres
Publié: (2024) -
Audio-Driven Talking Face Video Generation with Joint Uncertainty Learning
par: Xie, Yifan, et autres
Publié: (2025) -
DreamStory: Open-Domain Story Visualization by LLM-Guided Multi-Subject Consistent Diffusion
par: He, Huiguo, et autres
Publié: (2024) -
OnlineHOI: Towards Online Human-Object Interaction Generation and Perception
par: Ji, Yihong, et autres
Publié: (2025)