HDGlyph: A Hierarchical Disentangled Glyph-Based Framework for Long-Tail Text Rendering in Diffusion Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhuang, Shuhan, Huang, Mengqi, Fu, Fengyi, Chen, Nan, Lei, Bohan, Mao, Zhendong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LayerEdit: Disentangled Multi-Object Editing via Conflict-Aware Multi-Layer Learning
von: Fu, Fengyi, et al.
Veröffentlicht: (2025)

RealGeneral: Unifying Visual Generation via Temporal In-Context Learning with Video Models
von: Lin, Yijing, et al.
Veröffentlicht: (2025)

LongAnimation: Long Animation Generation with Dynamic Global-Local Memory
von: Chen, Nan, et al.
Veröffentlicht: (2025)

D$^2$iT: Dynamic Diffusion Transformer for Accurate Image Generation
von: Jia, Weinan, et al.
Veröffentlicht: (2025)

GlyphPrinter: Region-Grouped Direct Preference Optimization for Glyph-Accurate Visual Text Rendering
von: Shuai, Xincheng, et al.
Veröffentlicht: (2026)

CustomContrast: A Multilevel Contrastive Perspective For Subject-Driven Text-to-Image Customization
von: Chen, Nan, et al.
Veröffentlicht: (2024)

Glyph-ByT5: A Customized Text Encoder for Accurate Visual Text Rendering
von: Liu, Zeyu, et al.
Veröffentlicht: (2024)

Glyph-ByT5-v2: A Strong Aesthetic Baseline for Accurate Multilingual Visual Text Rendering
von: Liu, Zeyu, et al.
Veröffentlicht: (2024)

FreeText: Training-Free Text Rendering in Diffusion Transformers via Attention Localization and Spectral Glyph Injection
von: Zhang, Ruiqiang, et al.
Veröffentlicht: (2026)

RealCustom: Narrowing Real Text Word for Real-Time Open-Domain Text-to-Image Customization
von: Huang, Mengqi, et al.
Veröffentlicht: (2024)

GlyphBanana: Advancing Precise Text Rendering Through Agentic Workflows
von: Yan, Zexuan, et al.
Veröffentlicht: (2026)

DSE-GAN: Dynamic Semantic Evolution Generative Adversarial Network for Text-to-Image Generation
von: Huang, Mengqi, et al.
Veröffentlicht: (2022)

Sentiment-oriented Transformer-based Variational Autoencoder Network for Live Video Commenting
von: Fu, Fengyi, et al.
Veröffentlicht: (2024)

UniGlyph: Unified Segmentation-Conditioned Diffusion for Precise Visual Text Synthesis
von: Wang, Yuanrui, et al.
Veröffentlicht: (2025)

Training-Free Occluded Text Rendering via Glyph Priors and Attention-Guided Semantic Blending
von: Hou, Jingqi, et al.
Veröffentlicht: (2026)

GlyphMastero: A Glyph Encoder for High-Fidelity Scene Text Editing
von: Wang, Tong, et al.
Veröffentlicht: (2025)

GlyphDraw2: Automatic Generation of Complex Glyph Posters with Diffusion Models and Large Language Models
von: Ma, Jian, et al.
Veröffentlicht: (2024)

Gradual Residuals Alignment: A Dual-Stream Framework for GAN Inversion and Image Attribute Editing
von: Li, Hao, et al.
Veröffentlicht: (2024)

NativeTok: Native Visual Tokenization for Improved Image Generation
von: Wu, Bin, et al.
Veröffentlicht: (2026)

MoGA: Mixture-of-Groups Attention for End-to-End Long Video Generation
von: Jia, Weinan, et al.
Veröffentlicht: (2025)

DualReal: Adaptive Joint Training for Lossless Identity-Motion Fusion in Video Customization
von: Wang, Wenchuan, et al.
Veröffentlicht: (2025)

Empowering Backbone Models for Visual Text Generation with Input Granularity Control and Glyph-Aware Training
von: Li, Wenbo, et al.
Veröffentlicht: (2024)

LOGO: Video Text Spotting with Language Collaboration and Glyph Perception Model
von: Liu, Hongen, et al.
Veröffentlicht: (2024)

TextMaster: A Unified Framework for Realistic Text Editing via Glyph-Style Dual-Control
von: Yan, Zhenyu, et al.
Veröffentlicht: (2024)

Disentangling Hardness from Noise: An Uncertainty-Driven Model-Agnostic Framework for Long-Tailed Remote Sensing Classification
von: Ding, Chi, et al.
Veröffentlicht: (2026)

DiffInk: Glyph- and Style-Aware Latent Diffusion Transformer for Text to Online Handwriting Generation
von: Pan, Wei, et al.
Veröffentlicht: (2025)

Lance: Unified Multimodal Modeling by Multi-Task Synergy
von: Fu, Fengyi, et al.
Veröffentlicht: (2026)

Hierarchical Context Alignment with Disentangled Geometric and Temporal Modeling for Semantic Occupancy Prediction
von: Li, Bohan, et al.
Veröffentlicht: (2024)

Streaming Video Diffusion: Online Video Editing with Diffusion Models
von: Chen, Feng, et al.
Veröffentlicht: (2024)

FlashBlock: Attention Caching for Efficient Long-Context Block Diffusion
von: Chen, Zhuokun, et al.
Veröffentlicht: (2026)

WeEdit: A Dataset, Benchmark and Glyph-Guided Framework for Text-centric Image Editing
von: Zhang, Hui, et al.
Veröffentlicht: (2026)

Text-guided Foundation Model Adaptation for Long-Tailed Medical Image Classification
von: Li, Sirui, et al.
Veröffentlicht: (2024)

AnyArtisticGlyph: Multilingual Controllable Artistic Glyph Generation
von: Lu, Xiongbo, et al.
Veröffentlicht: (2025)

TextAlign: Preference Alignment for Text Rendering with Hierarchical Rewards
von: Cui, Mingxuan, et al.
Veröffentlicht: (2026)

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

TriAttention: Efficient Long Reasoning with Trigonometric KV Compression
von: Mao, Weian, et al.
Veröffentlicht: (2026)

EasyText: Controllable Diffusion Transformer for Multilingual Text Rendering
von: Lu, Runnan, et al.
Veröffentlicht: (2025)

Disentangled Diffusion-Based 3D Human Pose Estimation with Hierarchical Spatial and Temporal Denoiser
von: Cai, Qingyuan, et al.
Veröffentlicht: (2024)

LongVLM: Efficient Long Video Understanding via Large Language Models
von: Weng, Yuetian, et al.
Veröffentlicht: (2024)

RealCustom++: Representing Images as Real Textual Word for Real-Time Customization
von: Mao, Zhendong, et al.
Veröffentlicht: (2024)