Buchumschlag

Instruct2See: Learning to Remove Any Obstructions Across Distributions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Junhang, Guo, Yu, Xian, Chuhua, He, Shengfeng
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

AtomicMotion: Learning Human Motion From Different Human Parts
von: Liu, Runzhen, et al.
Veröffentlicht: (2026)

InstructSAM: Segment Any Instance with Any Instructions
von: Yuan, Yuqian, et al.
Veröffentlicht: (2026)

Seeing 3D Through 2D Lenses: 3D Few-Shot Class-Incremental Learning via Cross-Modal Geometric Rectification
von: Xiang, Tuo, et al.
Veröffentlicht: (2025)

InstructAny2Pix: Flexible Visual Editing via Multimodal Instruction Following
von: Li, Shufan, et al.
Veröffentlicht: (2023)

FocalCount: Towards Class-Count Imbalance in Class-Agnostic Counting
von: Zhu, Huilin, et al.
Veröffentlicht: (2025)

Zero-shot Object Counting with Good Exemplars
von: Zhu, Huilin, et al.
Veröffentlicht: (2024)

Expanding Zero-Shot Object Counting with Rich Prompts
von: Zhu, Huilin, et al.
Veröffentlicht: (2025)

Identity-Preserving Video Dubbing Using Motion Warping
von: Liu, Runzhen, et al.
Veröffentlicht: (2025)

DA$^{2}$: Depth Anything in Any Direction
von: Li, Haodong, et al.
Veröffentlicht: (2025)

Connecting Giants: Synergistic Knowledge Transfer of Large Multimodal Models for Few-Shot Learning
von: Tang, Hao, et al.
Veröffentlicht: (2025)

Any2Any: Unified Arbitrary Modality Translation for Remote Sensing
von: Chen, Haoyang, et al.
Veröffentlicht: (2026)

Zero-Shot Video Translation via Token Warping
von: Zhu, Haiming, et al.
Veröffentlicht: (2024)

InstructPix2NeRF: Instructed 3D Portrait Editing from a Single Image
von: Li, Jianhui, et al.
Veröffentlicht: (2023)

DenseTrack: Drone-based Crowd Tracking via Density-aware Motion-appearance Synergy
von: Lei, Yi, et al.
Veröffentlicht: (2024)

MixSA: Training-free Reference-based Sketch Extraction via Mixture-of-Self-Attention
von: Yang, Rui, et al.
Veröffentlicht: (2025)

Seeing Across Views: Benchmarking Spatial Reasoning of Vision-Language Models in Robotic Scenes
von: Feng, Zhiyuan, et al.
Veröffentlicht: (2025)

Stroke2Sketch: Harnessing Stroke Attributes for Training-Free Sketch Generation
von: Yang, Rui, et al.
Veröffentlicht: (2025)

Judge Anything: MLLM as a Judge Across Any Modality
von: Pu, Shu, et al.
Veröffentlicht: (2025)

SAMCT: Segment Any CT Allowing Labor-Free Task-Indicator Prompts
von: Lin, Xian, et al.
Veröffentlicht: (2024)

Segment Any-Quality Images with Generative Latent Space Enhancement
von: Guo, Guangqian, et al.
Veröffentlicht: (2025)

Seeing through Unclear Glass: Occlusion Removal with One Shot
von: Li, Qiang, et al.
Veröffentlicht: (2025)

Rethinking Multi-view Representation Learning via Distilled Disentangling
von: Ke, Guanzhou, et al.
Veröffentlicht: (2024)

AnyFit: Controllable Virtual Try-on for Any Combination of Attire Across Any Scenario
von: Li, Yuhan, et al.
Veröffentlicht: (2024)

InstructTable: Improving Table Structure Recognition Through Instructions
von: Chen, Boming, et al.
Veröffentlicht: (2026)

OneRestore: A Universal Restoration Framework for Composite Degradation
von: Guo, Yu, et al.
Veröffentlicht: (2024)

Teacher-Student Diffusion Model for Text-Driven 3D Hand Motion Generation
von: Cheng, Ching-Lam, et al.
Veröffentlicht: (2026)

Any2AnyTryon: Leveraging Adaptive Position Embeddings for Versatile Virtual Clothing Tasks
von: Guo, Hailong, et al.
Veröffentlicht: (2025)

Learning with Unreliability: Fast Few-shot Voxel Radiance Fields with Relative Geometric Consistency
von: Xu, Yingjie, et al.
Veröffentlicht: (2024)

Distill Any Depth: Distillation Creates a Stronger Monocular Depth Estimator
von: He, Xiankang, et al.
Veröffentlicht: (2025)

Any-Shift Prompting for Generalization over Distributions
von: Xiao, Zehao, et al.
Veröffentlicht: (2024)

AnyI2V: Animating Any Conditional Image with Motion Control
von: Li, Ziye, et al.
Veröffentlicht: (2025)

FrameOracle: Learning What to See and How Much to See in Videos
von: Li, Chaoyu, et al.
Veröffentlicht: (2025)

InstructX: Towards Unified Visual Editing with MLLM Guidance
von: Mou, Chong, et al.
Veröffentlicht: (2025)

IPAdapter-Instruct: Resolving Ambiguity in Image-based Conditioning using Instruct Prompts
von: Rowles, Ciara, et al.
Veröffentlicht: (2024)

Learning to See in the Extremely Dark
von: Jiang, Hai, et al.
Veröffentlicht: (2025)

UniM: A Unified Any-to-Any Interleaved Multimodal Benchmark
von: Li, Yanlin, et al.
Veröffentlicht: (2026)

Seeing is Believing? Mitigating OCR Hallucinations in Multimodal Large Language Models
von: He, Zhentao, et al.
Veröffentlicht: (2025)

InstructRL4Pix: Training Diffusion for Image Editing by Reinforcement Learning
von: Li, Tiancheng, et al.
Veröffentlicht: (2024)

MDReID: Modality-Decoupled Learning for Any-to-Any Multi-Modal Object Re-Identification
von: Feng, Yingying, et al.
Veröffentlicht: (2025)

Any-to-Any Learning in Computational Pathology via Triplet Multimodal Pretraining
von: Sun, Qichen, et al.
Veröffentlicht: (2025)