Buchumschlag

Less-to-More Generalization: Unlocking More Controllability by In-Context Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Shaojin, Huang, Mengqi, Wu, Wenxu, Cheng, Yufeng, Ding, Fei, He, Qian
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

UMO: Scaling Multi-Identity Consistency for Image Customization via Matching Reward
von: Cheng, Yufeng, et al.
Veröffentlicht: (2025)

USO: Unified Style and Subject-Driven Generation via Disentangled and Reward Learning
von: Wu, Shaojin, et al.
Veröffentlicht: (2025)

VMix: Improving Text-to-Image Diffusion Model with Cross-Attention Mixing Control
von: Wu, Shaojin, et al.
Veröffentlicht: (2024)

Continual Learning: Less Forgetting, More OOD Generalization via Adaptive Contrastive Replay
von: Rezaei, Hossein, et al.
Veröffentlicht: (2024)

Leaner Transformers: More Heads, Less Depth
von: Saratchandran, Hemanth, et al.
Veröffentlicht: (2025)

Less is More: Empowering GUI Agent with Context-Aware Simplification
von: Chen, Gongwei, et al.
Veröffentlicht: (2025)

Less is More: Fewer Interpretable Region via Submodular Subset Selection
von: Chen, Ruoyu, et al.
Veröffentlicht: (2024)

Less is More: Rethinking Few-Shot Learning and Recurrent Neural Nets
von: Pereg, Deborah, et al.
Veröffentlicht: (2022)

MM-LIMA: Less Is More for Alignment in Multi-Modal Datasets
von: Wei, Lai, et al.
Veröffentlicht: (2023)

Less is More: Efficient Black-box Attribution via Minimal Interpretable Subset Selection
von: Chen, Ruoyu, et al.
Veröffentlicht: (2025)

Forget Less, Retain More: A Lightweight Regularizer for Rehearsal-Based Continual Learning
von: Alssum, Lama, et al.
Veröffentlicht: (2025)

More is Better: Deep Domain Adaptation with Multiple Sources
von: Zhao, Sicheng, et al.
Veröffentlicht: (2024)

Towards Efficient Vision-Language Tuning: More Information Density, More Generalizability
von: Hao, Tianxiang, et al.
Veröffentlicht: (2023)

From Channel Bias to Feature Redundancy: Uncovering the "Less is More" Principle in Few-Shot Learning
von: Zhang, Ji, et al.
Veröffentlicht: (2023)

Is Less More? Exploring Token Condensation as Training-free Test-time Adaptation
von: Wang, Zixin, et al.
Veröffentlicht: (2024)

When Less Is More: Simplicity Beats Complexity for Physics-Constrained InSAR Phase Unwrapping
von: Singh, Prabhjot, et al.
Veröffentlicht: (2026)

Stream-R1: Reliability-Perplexity Aware Reward Distillation for Streaming Video Generation
von: Wu, Bin, et al.
Veröffentlicht: (2026)

Less Is More, but Where? Dynamic Token Compression via LLM-Guided Keyframe Prior
von: Li, Yulin, et al.
Veröffentlicht: (2025)

Less Precise Can Be More Reliable: A Systematic Evaluation of Quantization's Impact on VLMs Beyond Accuracy
von: Bouguerra, Aymen, et al.
Veröffentlicht: (2025)

Enhancing Diffusion-Based Quantitatively Controllable Image Generation via Matrix-Form EDM and Adaptive Vicinal Training
von: Ding, Xin, et al.
Veröffentlicht: (2026)

Exploring How Generative MLLMs Perceive More Than CLIP with the Same Vision Encoder
von: Li, Siting, et al.
Veröffentlicht: (2024)

Fewer is More: A Deep Graph Metric Learning Perspective Using Fewer Proxies
von: Zhu, Yuehua, et al.
Veröffentlicht: (2020)

Stream-T1: Test-Time Scaling for Streaming Video Generation
von: Tu, Yijing, et al.
Veröffentlicht: (2026)

Less is More: Token Context-aware Learning for Object Tracking
von: Xu, Chenlong, et al.
Veröffentlicht: (2025)

Intermediate Outputs Are More Sensitive Than You Think
von: Huang, Tao, et al.
Veröffentlicht: (2024)

AlphaGRPO: Unlocking Self-Reflective Multimodal Generation in UMMs via Decompositional Verifiable Reward
von: Huang, Runhui, et al.
Veröffentlicht: (2026)

Chain-of-Trajectories: Unlocking the Intrinsic Generative Optimality of Diffusion Models via Graph-Theoretic Planning
von: Chen, Ping, et al.
Veröffentlicht: (2026)

Unlocking Compositional Generalization in Continual Few-Shot Learning
von: Nguyen-Lam, Phu-Quy, et al.
Veröffentlicht: (2026)

GET: Unlocking the Multi-modal Potential of CLIP for Generalized Category Discovery
von: Wang, Enguang, et al.
Veröffentlicht: (2024)

LIME: Less Is More for MLLM Evaluation
von: Zhu, King, et al.
Veröffentlicht: (2024)

SEED: Towards More Accurate Semantic Evaluation for Visual Brain Decoding
von: Park, Juhyeon, et al.
Veröffentlicht: (2025)

Some Optimizers are More Equal: Understanding the Role of Optimizers in Group Fairness
von: Kolahdouzi, Mojtaba, et al.
Veröffentlicht: (2025)

Better, Not Just More: Data-Centric Machine Learning for Earth Observation
von: Roscher, Ribana, et al.
Veröffentlicht: (2023)

More Thought, Less Accuracy? On the Dual Nature of Reasoning in Vision-Language Models
von: Tian, Xinyu, et al.
Veröffentlicht: (2025)

Unlocking the Potential of Prompt-Tuning in Bridging Generalized and Personalized Federated Learning
von: Deng, Wenlong, et al.
Veröffentlicht: (2023)

C-Flat++: Towards a More Efficient and Powerful Framework for Continual Learning
von: Li, Wei, et al.
Veröffentlicht: (2025)

Opinion: Learning Intuitive Physics May Require More than Visual Data
von: Su, Ellen, et al.
Veröffentlicht: (2025)

Shedding More Light on Robust Classifiers under the lens of Energy-based Models
von: Mirza, Mujtaba Hussain, et al.
Veröffentlicht: (2024)

StreamMind: Unlocking Full Frame Rate Streaming Video Dialogue through Event-Gated Cognition
von: Ding, Xin, et al.
Veröffentlicht: (2025)

Active Learning with Context Sampling and One-vs-Rest Entropy for Semantic Segmentation
von: Wu, Fei, et al.
Veröffentlicht: (2024)