Buchumschlag

Flexible-length Text Infilling for Discrete Diffusion Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Andrew, Sivakumar, Anushka, Tang, Chiawei, Thomas, Chris
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Computation and Language Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

In-Situ Tweedie Discrete Diffusion Models
von: Li, Xiao, et al.
Veröffentlicht: (2025)

SteerVLM: Robust Model Control through Lightweight Activation Steering for Vision Language Models
von: Sivakumar, Anushka, et al.
Veröffentlicht: (2025)

Think While You Generate: Discrete Diffusion with Planned Denoising
von: Liu, Sulin, et al.
Veröffentlicht: (2024)

$\textit{Jump Your Steps}$: Optimizing Sampling Schedule of Discrete Diffusion Models
von: Park, Yong-Hyun, et al.
Veröffentlicht: (2024)

CRCE: Coreference-Retention Concept Erasure in Text-to-Image Diffusion Models
von: Xue, Yuyang, et al.
Veröffentlicht: (2025)

Self-Play Fine-Tuning of Diffusion Models for Text-to-Image Generation
von: Yuan, Huizhuo, et al.
Veröffentlicht: (2024)

SurGen: Text-Guided Diffusion Model for Surgical Video Generation
von: Cho, Joseph, et al.
Veröffentlicht: (2024)

Match & Choose: Model Selection Framework for Fine-tuning Text-to-Image Diffusion Models
von: Lewandowski, Basile, et al.
Veröffentlicht: (2025)

On Discrete Prompt Optimization for Diffusion Models
von: Wang, Ruochen, et al.
Veröffentlicht: (2024)

Efficient Pruning of Text-to-Image Models: Insights from Pruning Stable Diffusion
von: Ramesh, Samarth N, et al.
Veröffentlicht: (2024)

AnyGPT: Unified Multimodal LLM with Discrete Sequence Modeling
von: Zhan, Jun, et al.
Veröffentlicht: (2024)

The Best of Both Worlds: Integrating Language Models and Diffusion Models for Video Generation
von: Yin, Aoxiong, et al.
Veröffentlicht: (2025)

Pre-trained Text-to-Image Diffusion Models Are Versatile Representation Learners for Control
von: Gupta, Gunshi, et al.
Veröffentlicht: (2024)

FluoroSAM: A Language-promptable Foundation Model for Flexible X-ray Image Segmentation
von: Killeen, Benjamin D., et al.
Veröffentlicht: (2024)

Maximal Matching Matters: Preventing Representation Collapse for Robust Cross-Modal Retrieval
von: Alomari, Hani, et al.
Veröffentlicht: (2025)

Towards Visual Text Grounding of Multimodal Large Language Model
von: Li, Ming, et al.
Veröffentlicht: (2025)

Interleaving Reasoning for Better Text-to-Image Generation
von: Huang, Wenxuan, et al.
Veröffentlicht: (2025)

A Comprehensive Study of Decoder-Only LLMs for Text-to-Image Generation
von: Wang, Andrew Z., et al.
Veröffentlicht: (2025)

Pre-trained Language Models Do Not Help Auto-regressive Text-to-Image Generation
von: Zhang, Yuhui, et al.
Veröffentlicht: (2023)

Test-Time Matching: Unlocking Compositional Reasoning in Multimodal Models
von: Zhu, Yinglun, et al.
Veröffentlicht: (2025)

A Generalist Model for Diverse Text-Guided Medical Image Synthesis
von: Cho, Joseph, et al.
Veröffentlicht: (2024)

Unaligning Everything: Or Aligning Any Text to Any Image in Multimodal Models
von: Salman, Shaeke, et al.
Veröffentlicht: (2024)

CapsFusion: Rethinking Image-Text Data at Scale
von: Yu, Qiying, et al.
Veröffentlicht: (2023)

Gesture2Text: A Generalizable Decoder for Word-Gesture Keyboards in XR Through Trajectory Coarse Discretization and Pre-training
von: Shen, Junxiao, et al.
Veröffentlicht: (2024)

A Novel Framework for Automated Explain Vision Model Using Vision-Language Models
von: Nguyen, Phu-Vinh, et al.
Veröffentlicht: (2025)

Visual Text Matters: Improving Text-KVQA with Visual Text Entity Knowledge-aware Large Multimodal Assistant
von: Penamakuri, Abhirama Subramanyam, et al.
Veröffentlicht: (2024)

ORAL: Prompting Your Large-Scale LoRAs via Conditional Recurrent Diffusion
von: Khan, Rana Muhammad Shahroz, et al.
Veröffentlicht: (2025)

A Comparative Study of Machine Unlearning Techniques for Image and Text Classification Models
von: Safa, Omar M., et al.
Veröffentlicht: (2024)

RIV: Recursive Introspection Mask Diffusion Vision Language Model
von: Li, YuQian, et al.
Veröffentlicht: (2025)

ReadBench: Measuring the Dense Text Visual Reading Ability of Vision-Language Models
von: Clavié, Benjamin, et al.
Veröffentlicht: (2025)

Erasing with Precision: Evaluating Specific Concept Erasure from Text-to-Image Generative Models
von: Fuchi, Masane, et al.
Veröffentlicht: (2025)

Zero-Shot Vehicle Model Recognition via Text-Based Retrieval-Augmented Generation
von: Chang, Wei-Chia, et al.
Veröffentlicht: (2025)

ZigMa: A DiT-style Zigzag Mamba Diffusion Model
von: Hu, Vincent Tao, et al.
Veröffentlicht: (2024)

Preference Alignment for Diffusion Model via Explicit Denoised Distribution Estimation
von: Shi, Dingyuan, et al.
Veröffentlicht: (2024)

RichSpace: Enriching Text-to-Video Prompt Space via Text Embedding Interpolation
von: Cao, Yuefan, et al.
Veröffentlicht: (2025)

Cross-modal RAG: Sub-dimensional Text-to-Image Retrieval-Augmented Generation
von: Zhu, Mengdan, et al.
Veröffentlicht: (2025)

Structured Captions Improve Prompt Adherence in Text-to-Image Models (Re-LAION-Caption 19M)
von: Merchant, Nicholas, et al.
Veröffentlicht: (2025)

One-Step is Enough: Sparse Autoencoders for Text-to-Image Diffusion Models
von: Surkov, Viacheslav, et al.
Veröffentlicht: (2024)

Tables as Texts or Images: Evaluating the Table Reasoning Ability of LLMs and MLLMs
von: Deng, Naihao, et al.
Veröffentlicht: (2024)

Evaluating Text-to-Visual Generation with Image-to-Text Generation
von: Lin, Zhiqiu, et al.
Veröffentlicht: (2024)