Copertina

Investigating Text Insulation and Attention Mechanisms for Complex Visual Text Generation

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Tai, Ying, Du, Nikai, Xie, Rui, Chen, Zhennan, Wang, Qian, Jiang, Zhengkai, Zhang, Kai, Yang, Jian
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Region-Aware Text-to-Image Generation via Hard Binding and Soft Refinement
di: Chen, Zhennan, et al.
Pubblicazione: (2024)

OpenVid-1M: A Large-Scale High-Quality Dataset for Text-to-video Generation
di: Nan, Kepan, et al.
Pubblicazione: (2024)

CoDi: Subject-Consistent and Pose-Diverse Text-to-Image Generation
di: Gao, Zhanxin, et al.
Pubblicazione: (2025)

STAR: Spatial-Temporal Augmentation with Text-to-Video Models for Real-World Video Super-Resolution
di: Xie, Rui, et al.
Pubblicazione: (2025)

Text-Animator: Controllable Visual Text Video Generation
di: Liu, Lin, et al.
Pubblicazione: (2024)

Text2LiDAR: Text-guided LiDAR Point Cloud Generation via Equirectangular Transformer
di: Wu, Yang, et al.
Pubblicazione: (2024)

InstanceCap: Improving Text-to-Video Generation via Instance-aware Structured Caption
di: Fan, Tiehan, et al.
Pubblicazione: (2024)

TextInVision: Text and Prompt Complexity Driven Visual Text Generation Benchmark
di: Fallah, Forouzan, et al.
Pubblicazione: (2025)

AnyText: Multilingual Visual Text Generation And Editing
di: Tuo, Yuxiang, et al.
Pubblicazione: (2023)

Learning Visual Generative Priors without Text
di: Ma, Shuailei, et al.
Pubblicazione: (2024)

Beyond Flat Text: Dual Self-inherited Guidance for Visual Text Generation
di: Luo, Minxing, et al.
Pubblicazione: (2025)

DreamBarbie: Text to Barbie-Style 3D Avatars
di: Sun, Xiaokun, et al.
Pubblicazione: (2024)

TextCenGen: Attention-Guided Text-Centric Background Adaptation for Text-to-Image Generation
di: Liang, Tianyi, et al.
Pubblicazione: (2024)

StrandHead: Text to Hair-Disentangled 3D Head Avatars Using Human-Centric Priors
di: Sun, Xiaokun, et al.
Pubblicazione: (2024)

Visual Concept-driven Image Generation with Text-to-Image Diffusion Model
di: Rahman, Tanzila, et al.
Pubblicazione: (2024)

Adaptive Guidance Learning for Camouflaged Object Detection
di: Chen, Zhennan, et al.
Pubblicazione: (2024)

Visual Text Generation in the Wild
di: Zhu, Yuanzhi, et al.
Pubblicazione: (2024)

Harmonizing Visual Text Comprehension and Generation
di: Zhao, Zhen, et al.
Pubblicazione: (2024)

MCCD: Multi-Agent Collaboration-based Compositional Diffusion for Complex Text-to-Image Generation
di: Li, Mingcheng, et al.
Pubblicazione: (2025)

VAR-CLIP: Text-to-Image Generator with Visual Auto-Regressive Modeling
di: Zhang, Qian, et al.
Pubblicazione: (2024)

TextToucher: Fine-Grained Text-to-Touch Generation
di: Tu, Jiahang, et al.
Pubblicazione: (2024)

Decoder Pre-Training with only Text for Scene Text Recognition
di: Zhao, Shuai, et al.
Pubblicazione: (2024)

MoCA: Identity-Preserving Text-to-Video Generation via Mixture of Cross Attention
di: Xie, Qi, et al.
Pubblicazione: (2025)

Training-free Subject-Enhanced Attention Guidance for Compositional Text-to-image Generation
di: Liu, Shengyuan, et al.
Pubblicazione: (2024)

RepText: Rendering Visual Text via Replicating
di: Wang, Haofan, et al.
Pubblicazione: (2025)

Swap Attention in Spatiotemporal Diffusions for Text-to-Video Generation
di: Wang, Wenjing, et al.
Pubblicazione: (2023)

DCText: Scheduled Attention Masking for Visual Text Generation via Divide-and-Conquer Strategy
di: Song, Jaewoo, et al.
Pubblicazione: (2025)

FlashVLM: Text-Guided Visual Token Selection for Large Multimodal Models
di: Cai, Kaitong, et al.
Pubblicazione: (2025)

VividDreamer: Towards High-Fidelity and Efficient Text-to-3D Generation
di: Chen, Zixuan, et al.
Pubblicazione: (2024)

How is Visual Attention Influenced by Text Guidance? Database and Model
di: Sun, Yinan, et al.
Pubblicazione: (2024)

GUESS:GradUally Enriching SyntheSis for Text-Driven Human Motion Generation
di: Gao, Xuehao, et al.
Pubblicazione: (2024)

AnyText2: Visual Text Generation and Editing With Customizable Attributes
di: Tuo, Yuxiang, et al.
Pubblicazione: (2024)

PixelPonder: Dynamic Patch Adaptation for Enhanced Multi-Conditional Text-to-Image Generation
di: Pan, Yanjie, et al.
Pubblicazione: (2025)

DiP: Taming Diffusion Models in Pixel Space
di: Chen, Zhennan, et al.
Pubblicazione: (2025)

Text-guided Visual Prompt DINO for Generic Segmentation
di: Guan, Yuchen, et al.
Pubblicazione: (2025)

TextlessRAG: End-to-End Visual Document RAG by Speech Without Text
di: Xie, Peijin, et al.
Pubblicazione: (2025)

SVTRv2: CTC Beats Encoder-Decoder Models in Scene Text Recognition
di: Du, Yongkun, et al.
Pubblicazione: (2024)

L2P: Unlocking Latent Potential for Pixel Generation
di: Chen, Zhennan, et al.
Pubblicazione: (2026)

Accelerating Text-to-Video Generation with Calibrated Sparse Attention
di: Yehezkel, Shai, et al.
Pubblicazione: (2026)

From Text to Mask: Localizing Entities Using the Attention of Text-to-Image Diffusion Models
di: Xiao, Changming, et al.
Pubblicazione: (2023)