Enregistré dans:
| Auteurs principaux: | Costanzino, Alex, Bayliss, Woody, Sock, Juil, Blanch, Marc Gorriz, Horak, Danijela, Laptev, Ivan, Torr, Philip, Pizzati, Fabio |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2506.05466 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
LikePhys: Evaluating Intuitive Physics Understanding in Video Diffusion Models via Likelihood Preference
par: Yuan, Jianhao, et autres
Publié: (2025)
par: Yuan, Jianhao, et autres
Publié: (2025)
Specify and Edit: Overcoming Ambiguity in Text-Based Image Editing
par: Iakovleva, Ekaterina, et autres
Publié: (2024)
par: Iakovleva, Ekaterina, et autres
Publié: (2024)
Toward Robust Real-World Audio Deepfake Detection: Closing the Explainability Gap
par: Channing, Georgia, et autres
Publié: (2024)
par: Channing, Georgia, et autres
Publié: (2024)
MessyKitchens: Contact-rich object-level 3D scene reconstruction
par: Ansari, Junaid Ahmed, et autres
Publié: (2026)
par: Ansari, Junaid Ahmed, et autres
Publié: (2026)
Video Motion Transfer with Diffusion Transformers
par: Pondaven, Alexander, et autres
Publié: (2024)
par: Pondaven, Alexander, et autres
Publié: (2024)
Learning to Generate Rigid Body Interactions with Video Diffusion Models
par: Romero, David, et autres
Publié: (2025)
par: Romero, David, et autres
Publié: (2025)
ActCam: Zero-Shot Joint Camera and 3D Motion Control for Video Generation
par: Khalifi, Omar El, et autres
Publié: (2026)
par: Khalifi, Omar El, et autres
Publié: (2026)
MatchDiffusion: Training-free Generation of Match-cuts
par: Pardo, Alejandro, et autres
Publié: (2024)
par: Pardo, Alejandro, et autres
Publié: (2024)
Latent Guard: a Safety Framework for Text-to-image Generation
par: Liu, Runtao, et autres
Publié: (2024)
par: Liu, Runtao, et autres
Publié: (2024)
MAD-Sherlock: Multi-Agent Debate for Visual Misinformation Detection
par: Lakara, Kumud, et autres
Publié: (2024)
par: Lakara, Kumud, et autres
Publié: (2024)
SALAD: Part-Level Latent Diffusion for 3D Shape Generation and Manipulation
par: Koo, Juil, et autres
Publié: (2023)
par: Koo, Juil, et autres
Publié: (2023)
ActionParty: Multi-Subject Action Binding in Generative Video Games
par: Pondaven, Alexander, et autres
Publié: (2026)
par: Pondaven, Alexander, et autres
Publié: (2026)
PhysMoDPO: Physically-Plausible Humanoid Motion with Preference Optimization
par: Zhang, Yangsong, et autres
Publié: (2026)
par: Zhang, Yangsong, et autres
Publié: (2026)
AlignGuard: Scalable Safety Alignment for Text-to-Image Generation
par: Liu, Runtao, et autres
Publié: (2024)
par: Liu, Runtao, et autres
Publié: (2024)
On Pretraining Data Diversity for Self-Supervised Learning
par: Hammoud, Hasan Abed Al Kader, et autres
Publié: (2024)
par: Hammoud, Hasan Abed Al Kader, et autres
Publié: (2024)
SynthCLIP: Are We Ready for a Fully Synthetic CLIP Training?
par: Hammoud, Hasan Abed Al Kader, et autres
Publié: (2024)
par: Hammoud, Hasan Abed Al Kader, et autres
Publié: (2024)
Booster: a Benchmark for Depth from Images of Specular and Transparent Surfaces
par: Ramirez, Pierluigi Zama, et autres
Publié: (2023)
par: Ramirez, Pierluigi Zama, et autres
Publié: (2023)
BLAZER: Bootstrapping LLM-based Manipulation Agents with Zero-Shot Data Generation
par: Das, Rocktim Jyoti, et autres
Publié: (2025)
par: Das, Rocktim Jyoti, et autres
Publié: (2025)
ViViDex: Learning Vision-based Dexterous Manipulation from Human Videos
par: Chen, Zerui, et autres
Publié: (2024)
par: Chen, Zerui, et autres
Publié: (2024)
DreamPolisher: Towards High-Quality Text-to-3D Generation via Geometric Diffusion
par: Lin, Yuanze, et autres
Publié: (2024)
par: Lin, Yuanze, et autres
Publié: (2024)
Multimodal Industrial Anomaly Detection by Crossmodal Feature Mapping
par: Costanzino, Alex, et autres
Publié: (2023)
par: Costanzino, Alex, et autres
Publié: (2023)
Modulate-and-Map: Crossmodal Feature Mapping with Cross-View Modulation for 3D Anomaly Detection
par: Costanzino, Alex, et autres
Publié: (2026)
par: Costanzino, Alex, et autres
Publié: (2026)
Learning to Be a Transformer to Pinpoint Anomalies
par: Costanzino, Alex, et autres
Publié: (2024)
par: Costanzino, Alex, et autres
Publié: (2024)
SyncTweedies: A General Generative Framework Based on Synchronized Diffusions
par: Kim, Jaihoon, et autres
Publié: (2024)
par: Kim, Jaihoon, et autres
Publié: (2024)
Not Just Pretty Pictures: Toward Interventional Data Augmentation Using Text-to-Image Generators
par: Yuan, Jianhao, et autres
Publié: (2022)
par: Yuan, Jianhao, et autres
Publié: (2022)
Self-Discovering Interpretable Diffusion Latent Directions for Responsible Text-to-Image Generation
par: Li, Hang, et autres
Publié: (2023)
par: Li, Hang, et autres
Publié: (2023)
MALT: Improving Reasoning with Multi-Agent LLM Training
par: Motwani, Sumeet Ramesh, et autres
Publié: (2024)
par: Motwani, Sumeet Ramesh, et autres
Publié: (2024)
PSyDUCK: Training-Free Steganography for Latent Diffusion
par: Mahfuz, Aqib, et autres
Publié: (2025)
par: Mahfuz, Aqib, et autres
Publié: (2025)
Posterior Distillation Sampling
par: Koo, Juil, et autres
Publié: (2023)
par: Koo, Juil, et autres
Publié: (2023)
Toward Ambulatory Vision: Learning Visually-Grounded Active View Selection
par: Koo, Juil, et autres
Publié: (2025)
par: Koo, Juil, et autres
Publié: (2025)
VFusion3D: Learning Scalable 3D Generative Models from Video Diffusion Models
par: Han, Junlin, et autres
Publié: (2024)
par: Han, Junlin, et autres
Publié: (2024)
WildVidFit: Video Virtual Try-On in the Wild via Image-Based Controlled Diffusion Models
par: He, Zijian, et autres
Publié: (2024)
par: He, Zijian, et autres
Publié: (2024)
SUGAR: Pre-training 3D Visual Representations for Robotics
par: Chen, Shizhe, et autres
Publié: (2024)
par: Chen, Shizhe, et autres
Publié: (2024)
SF20K Competition 2025: Summary and findings
par: Ghermi, Ridouane, et autres
Publié: (2026)
par: Ghermi, Ridouane, et autres
Publié: (2026)
ScanEdit: Hierarchically-Guided Functional 3D Scan Editing
par: Boudjoghra, Mohamed el amine, et autres
Publié: (2025)
par: Boudjoghra, Mohamed el amine, et autres
Publié: (2025)
An Image Is Worth 1000 Lies: Adversarial Transferability across Prompts on Vision-Language Models
par: Luo, Haochen, et autres
Publié: (2024)
par: Luo, Haochen, et autres
Publié: (2024)
Mitigating Object Hallucination via Concentric Causal Attention
par: Xing, Yun, et autres
Publié: (2024)
par: Xing, Yun, et autres
Publié: (2024)
SiM3D: Single-instance Multiview Multimodal and Multisetup 3D Anomaly Detection Benchmark
par: Costanzino, Alex, et autres
Publié: (2025)
par: Costanzino, Alex, et autres
Publié: (2025)
DEFT: Decompositional Efficient Fine-Tuning for Text-to-Image Models
par: Kumar, Komal, et autres
Publié: (2025)
par: Kumar, Komal, et autres
Publié: (2025)
InterPose: Learning to Generate Human-Object Interactions from Large-Scale Web Videos
par: Zhang, Yangsong, et autres
Publié: (2025)
par: Zhang, Yangsong, et autres
Publié: (2025)
Documents similaires
-
LikePhys: Evaluating Intuitive Physics Understanding in Video Diffusion Models via Likelihood Preference
par: Yuan, Jianhao, et autres
Publié: (2025) -
Specify and Edit: Overcoming Ambiguity in Text-Based Image Editing
par: Iakovleva, Ekaterina, et autres
Publié: (2024) -
Toward Robust Real-World Audio Deepfake Detection: Closing the Explainability Gap
par: Channing, Georgia, et autres
Publié: (2024) -
MessyKitchens: Contact-rich object-level 3D scene reconstruction
par: Ansari, Junaid Ahmed, et autres
Publié: (2026) -
Video Motion Transfer with Diffusion Transformers
par: Pondaven, Alexander, et autres
Publié: (2024)