Buchumschlag

Automated Learning of Semantic Embedding Representations for Diffusion Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Limai, Cai, Yunpeng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Accurate Explanation Model for Image Classifiers using Class Association Embedding
von: Xie, Ruitao, et al.
Veröffentlicht: (2024)

A Weakly Supervised and Globally Explainable Learning Framework for Brain Tumor Segmentation
von: Xie, Ruitao, et al.
Veröffentlicht: (2024)

Semantically Consistent Video Inpainting with Conditional Diffusion Models
von: Green, Dylan, et al.
Veröffentlicht: (2024)

Do Diffusion Models Learn Semantically Meaningful and Efficient Representations?
von: Liang, Qiyao, et al.
Veröffentlicht: (2024)

Learning Structured Representations with Hyperbolic Embeddings
von: Sinha, Aditya, et al.
Veröffentlicht: (2024)

Learning Diffusion Models with Flexible Representation Guidance
von: Wang, Chenyu, et al.
Veröffentlicht: (2025)

Learning Visual-Semantic Subspace Representations
von: Moreira, Gabriel, et al.
Veröffentlicht: (2024)

Diffusion-Based Representation Learning
von: Mittal, Sarthak, et al.
Veröffentlicht: (2021)

Isometric Representation Learning for Disentangled Latent Space of Diffusion Models
von: Hahm, Jaehoon, et al.
Veröffentlicht: (2024)

Semantic Concentration for Self-Supervised Dense Representations Learning
von: Wen, Peisong, et al.
Veröffentlicht: (2025)

Vision Foundation Model Embedding-Based Semantic Anomaly Detection
von: Ronecker, Max Peter, et al.
Veröffentlicht: (2025)

SD4Match: Learning to Prompt Stable Diffusion Model for Semantic Matching
von: Li, Xinghui, et al.
Veröffentlicht: (2023)

Text-Conditional JEPA for Learning Semantically Rich Visual Representations
von: Huang, Chen, et al.
Veröffentlicht: (2026)

Canonical Latent Representations in Conditional Diffusion Models
von: Xu, Yitao, et al.
Veröffentlicht: (2025)

Compositional Generalization Requires Linear, Orthogonal Representations in Vision Embedding Models
von: Uselis, Arnas, et al.
Veröffentlicht: (2026)

S-JEA: Stacked Joint Embedding Architectures for Self-Supervised Visual Representation Learning
von: Manová, Alžběta, et al.
Veröffentlicht: (2023)

Debiasing Diffusion Model: Enhancing Fairness through Latent Representation Learning in Stable Diffusion Model
von: Huang, Lin-Chun, et al.
Veröffentlicht: (2025)

Capturing Context-Aware Route Choice Semantics for Trajectory Representation Learning
von: Cao, Ji, et al.
Veröffentlicht: (2025)

Understanding the Effect of using Semantically Meaningful Tokens for Visual Representation Learning
von: Kalibhat, Neha, et al.
Veröffentlicht: (2024)

PRCL: Probabilistic Representation Contrastive Learning for Semi-Supervised Semantic Segmentation
von: Xie, Haoyu, et al.
Veröffentlicht: (2024)

On the Value of Cross-Modal Misalignment in Multimodal Representation Learning
von: Cai, Yichao, et al.
Veröffentlicht: (2025)

Revisiting Data Augmentation in Deep Reinforcement Learning
von: Hu, Jianshu, et al.
Veröffentlicht: (2024)

Realistic Face Reconstruction from Facial Embeddings via Diffusion Models
von: Han, Dong, et al.
Veröffentlicht: (2026)

Learning on the Manifold: Unlocking Standard Diffusion Transformers with Representation Encoders
von: Kumar, Amandeep, et al.
Veröffentlicht: (2026)

Diffusing Differentiable Representations
von: Savani, Yash, et al.
Veröffentlicht: (2024)

Semantic Positive Pairs for Enhancing Visual Representation Learning of Instance Discrimination Methods
von: Alkhalefi, Mohammad, et al.
Veröffentlicht: (2023)

Discovering Interpretable Directions in the Semantic Latent Space of Diffusion Models
von: Haas, René, et al.
Veröffentlicht: (2023)

Manipulating Embeddings of Stable Diffusion Prompts
von: Deckers, Niklas, et al.
Veröffentlicht: (2023)

AutoRegressive Generation with B-rep Holistic Token Sequence Representation
von: Li, Jiahao, et al.
Veröffentlicht: (2026)

Understanding Representation Dynamics of Diffusion Models via Low-Dimensional Modeling
von: Li, Xiao, et al.
Veröffentlicht: (2025)

Language Embedding Meets Dynamic Graph: A New Exploration for Neural Architecture Representation Learning
von: Jing, Haizhao, et al.
Veröffentlicht: (2025)

Generalization of Diffusion Models Arises with a Balanced Representation Space
von: Zhang, Zekai, et al.
Veröffentlicht: (2025)

Representation-Conditioned Diffusion Models for Guided Training Data Generation
von: Karthikeyan, Nithesh Chandher, et al.
Veröffentlicht: (2026)

Learning to Think in Physics: Breaking Shortcut Learning in Scientific Diffusion via Representation Alignment
von: Jia, Haozhe, et al.
Veröffentlicht: (2026)

EmerDiff: Emerging Pixel-level Semantic Knowledge in Diffusion Models
von: Namekata, Koichi, et al.
Veröffentlicht: (2024)

Diffusion Transformers with Representation Autoencoders
von: Zheng, Boyang, et al.
Veröffentlicht: (2025)

Holistic Semantic Representation for Navigational Trajectory Generation
von: Cao, Ji, et al.
Veröffentlicht: (2025)

Semantic Residual for Multimodal Unified Discrete Representation
von: Huang, Hai, et al.
Veröffentlicht: (2024)

SCOPE: Semantic Coreset with Orthogonal Projection Embeddings for Federated learning
von: Hossen, Md Anwar, et al.
Veröffentlicht: (2026)

Nearest Neighbour Score Estimators for Diffusion Generative Models
von: Niedoba, Matthew, et al.
Veröffentlicht: (2024)