Investigating Text Insulation and Attention Mechanisms for Complex Visual Text Generation
Fuente:
arXiv
Guardado en:
| Autores principales: | Tai, Ying, Du, Nikai, Xie, Rui, Chen, Zhennan, Wang, Qian, Jiang, Zhengkai, Zhang, Kai, Yang, Jian |
|---|---|
| Formato: | Preprint |
| Publicado: |
2025
|
| Materias: | |
| Acceso en línea: | |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
Ejemplares similares
Region-Aware Text-to-Image Generation via Hard Binding and Soft Refinement
por: Chen, Zhennan, et al.
Publicado: (2024)
por: Chen, Zhennan, et al.
Publicado: (2024)
OpenVid-1M: A Large-Scale High-Quality Dataset for Text-to-video Generation
por: Nan, Kepan, et al.
Publicado: (2024)
por: Nan, Kepan, et al.
Publicado: (2024)
CoDi: Subject-Consistent and Pose-Diverse Text-to-Image Generation
por: Gao, Zhanxin, et al.
Publicado: (2025)
por: Gao, Zhanxin, et al.
Publicado: (2025)
STAR: Spatial-Temporal Augmentation with Text-to-Video Models for Real-World Video Super-Resolution
por: Xie, Rui, et al.
Publicado: (2025)
por: Xie, Rui, et al.
Publicado: (2025)
Text-Animator: Controllable Visual Text Video Generation
por: Liu, Lin, et al.
Publicado: (2024)
por: Liu, Lin, et al.
Publicado: (2024)
Text2LiDAR: Text-guided LiDAR Point Cloud Generation via Equirectangular Transformer
por: Wu, Yang, et al.
Publicado: (2024)
por: Wu, Yang, et al.
Publicado: (2024)
InstanceCap: Improving Text-to-Video Generation via Instance-aware Structured Caption
por: Fan, Tiehan, et al.
Publicado: (2024)
por: Fan, Tiehan, et al.
Publicado: (2024)
TextInVision: Text and Prompt Complexity Driven Visual Text Generation Benchmark
por: Fallah, Forouzan, et al.
Publicado: (2025)
por: Fallah, Forouzan, et al.
Publicado: (2025)
AnyText: Multilingual Visual Text Generation And Editing
por: Tuo, Yuxiang, et al.
Publicado: (2023)
por: Tuo, Yuxiang, et al.
Publicado: (2023)
Learning Visual Generative Priors without Text
por: Ma, Shuailei, et al.
Publicado: (2024)
por: Ma, Shuailei, et al.
Publicado: (2024)
Beyond Flat Text: Dual Self-inherited Guidance for Visual Text Generation
por: Luo, Minxing, et al.
Publicado: (2025)
por: Luo, Minxing, et al.
Publicado: (2025)
DreamBarbie: Text to Barbie-Style 3D Avatars
por: Sun, Xiaokun, et al.
Publicado: (2024)
por: Sun, Xiaokun, et al.
Publicado: (2024)
TextCenGen: Attention-Guided Text-Centric Background Adaptation for Text-to-Image Generation
por: Liang, Tianyi, et al.
Publicado: (2024)
por: Liang, Tianyi, et al.
Publicado: (2024)
StrandHead: Text to Hair-Disentangled 3D Head Avatars Using Human-Centric Priors
por: Sun, Xiaokun, et al.
Publicado: (2024)
por: Sun, Xiaokun, et al.
Publicado: (2024)
Visual Concept-driven Image Generation with Text-to-Image Diffusion Model
por: Rahman, Tanzila, et al.
Publicado: (2024)
por: Rahman, Tanzila, et al.
Publicado: (2024)
Adaptive Guidance Learning for Camouflaged Object Detection
por: Chen, Zhennan, et al.
Publicado: (2024)
por: Chen, Zhennan, et al.
Publicado: (2024)
Visual Text Generation in the Wild
por: Zhu, Yuanzhi, et al.
Publicado: (2024)
por: Zhu, Yuanzhi, et al.
Publicado: (2024)
Harmonizing Visual Text Comprehension and Generation
por: Zhao, Zhen, et al.
Publicado: (2024)
por: Zhao, Zhen, et al.
Publicado: (2024)
MCCD: Multi-Agent Collaboration-based Compositional Diffusion for Complex Text-to-Image Generation
por: Li, Mingcheng, et al.
Publicado: (2025)
por: Li, Mingcheng, et al.
Publicado: (2025)
VAR-CLIP: Text-to-Image Generator with Visual Auto-Regressive Modeling
por: Zhang, Qian, et al.
Publicado: (2024)
por: Zhang, Qian, et al.
Publicado: (2024)
TextToucher: Fine-Grained Text-to-Touch Generation
por: Tu, Jiahang, et al.
Publicado: (2024)
por: Tu, Jiahang, et al.
Publicado: (2024)
Decoder Pre-Training with only Text for Scene Text Recognition
por: Zhao, Shuai, et al.
Publicado: (2024)
por: Zhao, Shuai, et al.
Publicado: (2024)
MoCA: Identity-Preserving Text-to-Video Generation via Mixture of Cross Attention
por: Xie, Qi, et al.
Publicado: (2025)
por: Xie, Qi, et al.
Publicado: (2025)
Training-free Subject-Enhanced Attention Guidance for Compositional Text-to-image Generation
por: Liu, Shengyuan, et al.
Publicado: (2024)
por: Liu, Shengyuan, et al.
Publicado: (2024)
RepText: Rendering Visual Text via Replicating
por: Wang, Haofan, et al.
Publicado: (2025)
por: Wang, Haofan, et al.
Publicado: (2025)
Swap Attention in Spatiotemporal Diffusions for Text-to-Video Generation
por: Wang, Wenjing, et al.
Publicado: (2023)
por: Wang, Wenjing, et al.
Publicado: (2023)
DCText: Scheduled Attention Masking for Visual Text Generation via Divide-and-Conquer Strategy
por: Song, Jaewoo, et al.
Publicado: (2025)
por: Song, Jaewoo, et al.
Publicado: (2025)
FlashVLM: Text-Guided Visual Token Selection for Large Multimodal Models
por: Cai, Kaitong, et al.
Publicado: (2025)
por: Cai, Kaitong, et al.
Publicado: (2025)
VividDreamer: Towards High-Fidelity and Efficient Text-to-3D Generation
por: Chen, Zixuan, et al.
Publicado: (2024)
por: Chen, Zixuan, et al.
Publicado: (2024)
How is Visual Attention Influenced by Text Guidance? Database and Model
por: Sun, Yinan, et al.
Publicado: (2024)
por: Sun, Yinan, et al.
Publicado: (2024)
GUESS:GradUally Enriching SyntheSis for Text-Driven Human Motion Generation
por: Gao, Xuehao, et al.
Publicado: (2024)
por: Gao, Xuehao, et al.
Publicado: (2024)
AnyText2: Visual Text Generation and Editing With Customizable Attributes
por: Tuo, Yuxiang, et al.
Publicado: (2024)
por: Tuo, Yuxiang, et al.
Publicado: (2024)
PixelPonder: Dynamic Patch Adaptation for Enhanced Multi-Conditional Text-to-Image Generation
por: Pan, Yanjie, et al.
Publicado: (2025)
por: Pan, Yanjie, et al.
Publicado: (2025)
DiP: Taming Diffusion Models in Pixel Space
por: Chen, Zhennan, et al.
Publicado: (2025)
por: Chen, Zhennan, et al.
Publicado: (2025)
Text-guided Visual Prompt DINO for Generic Segmentation
por: Guan, Yuchen, et al.
Publicado: (2025)
por: Guan, Yuchen, et al.
Publicado: (2025)
TextlessRAG: End-to-End Visual Document RAG by Speech Without Text
por: Xie, Peijin, et al.
Publicado: (2025)
por: Xie, Peijin, et al.
Publicado: (2025)
SVTRv2: CTC Beats Encoder-Decoder Models in Scene Text Recognition
por: Du, Yongkun, et al.
Publicado: (2024)
por: Du, Yongkun, et al.
Publicado: (2024)
L2P: Unlocking Latent Potential for Pixel Generation
por: Chen, Zhennan, et al.
Publicado: (2026)
por: Chen, Zhennan, et al.
Publicado: (2026)
Accelerating Text-to-Video Generation with Calibrated Sparse Attention
por: Yehezkel, Shai, et al.
Publicado: (2026)
por: Yehezkel, Shai, et al.
Publicado: (2026)
From Text to Mask: Localizing Entities Using the Attention of Text-to-Image Diffusion Models
por: Xiao, Changming, et al.
Publicado: (2023)
por: Xiao, Changming, et al.
Publicado: (2023)
Ejemplares similares
-
Region-Aware Text-to-Image Generation via Hard Binding and Soft Refinement
por: Chen, Zhennan, et al.
Publicado: (2024) -
OpenVid-1M: A Large-Scale High-Quality Dataset for Text-to-video Generation
por: Nan, Kepan, et al.
Publicado: (2024) -
CoDi: Subject-Consistent and Pose-Diverse Text-to-Image Generation
por: Gao, Zhanxin, et al.
Publicado: (2025) -
STAR: Spatial-Temporal Augmentation with Text-to-Video Models for Real-World Video Super-Resolution
por: Xie, Rui, et al.
Publicado: (2025) -
Text-Animator: Controllable Visual Text Video Generation
por: Liu, Lin, et al.
Publicado: (2024)