Buchumschlag

Unlocking Compositional Control: Self-Supervision for LVLM-Based Image Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Garcia, Fernando Gabriela, Burns, Spencer, Shaw, Ryan, Young, Hunter
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

LVLM-Composer's Explicit Planning for Image Generation
von: Ramsey, Spencer, et al.
Veröffentlicht: (2025)

Fooling the LVLM Judges: Visual Biases in LVLM-Based Evaluation
von: Hwang, Yerin, et al.
Veröffentlicht: (2025)

ContextGuard-LVLM: Enhancing News Veracity through Fine-grained Cross-modal Contextual Consistency Verification
von: Ma, Sihan, et al.
Veröffentlicht: (2025)

LVLM-Aware Multimodal Retrieval for RAG-Based Medical Diagnosis with General-Purpose Models
von: Mazor, Nir, et al.
Veröffentlicht: (2025)

POPEN: Preference-Based Optimization and Ensemble for LVLM-Based Reasoning Segmentation
von: Zhu, Lanyun, et al.
Veröffentlicht: (2025)

LAVID: An Agentic LVLM Framework for Diffusion-Generated Video Detection
von: Liu, Qingyuan, et al.
Veröffentlicht: (2025)

An LLM-LVLM Driven Agent for Iterative and Fine-Grained Image Editing
von: Liang, Zihan, et al.
Veröffentlicht: (2025)

Kestrel: Grounding Self-Refinement for LVLM Hallucination Mitigation
von: Mao, Jiawei, et al.
Veröffentlicht: (2026)

LVLM-Interpret: An Interpretability Tool for Large Vision-Language Models
von: Stan, Gabriela Ben Melech, et al.
Veröffentlicht: (2024)

A Generic Self-Supervised Framework of Learning Invariant Discriminative Features
von: Ntelemis, Foivos, et al.
Veröffentlicht: (2022)

Unlocking the Capabilities of Masked Generative Models for Image Synthesis via Self-Guidance
von: Hur, Jiwan, et al.
Veröffentlicht: (2024)

Beyond Generation: Unlocking Universal Editing via Self-Supervised Fine-Tuning
von: Chen, Harold Haodong, et al.
Veröffentlicht: (2024)

Language-Unlocked ViT (LUViT): Empowering Self-Supervised Vision Transformers with LLMs
von: Kuzucu, Selim, et al.
Veröffentlicht: (2025)

Canvas-to-Image: Compositional Image Generation with Multimodal Controls
von: Dalva, Yusuf, et al.
Veröffentlicht: (2025)

USP: Unified Self-Supervised Pretraining for Image Generation and Understanding
von: Chu, Xiangxiang, et al.
Veröffentlicht: (2025)

AdaIAT: Adaptively Increasing Attention to Generated Text to Alleviate Hallucinations in LVLM
von: Zhong, Li'an, et al.
Veröffentlicht: (2026)

Attention-Based Chaotic Self-Supervision for Medical Image Classification
von: Florindo, Joao Batista, et al.
Veröffentlicht: (2026)

ImageInWords: Unlocking Hyper-Detailed Image Descriptions
von: Garg, Roopal, et al.
Veröffentlicht: (2024)

V-JEPA 2.1: Unlocking Dense Features in Video Self-Supervised Learning
von: Mur-Labadia, Lorenzo, et al.
Veröffentlicht: (2026)

PRISM: Programmatic Reasoning with Image Sequence Manipulation for LVLM Jailbreaking
von: Zou, Quanchen, et al.
Veröffentlicht: (2025)

VAUQ: Vision-Aware Uncertainty Quantification for LVLM Self-Evaluation
von: Park, Seongheon, et al.
Veröffentlicht: (2026)

ID-Selection: Importance-Diversity Based Visual Token Selection for Efficient LVLM Inference
von: Huang, Zhaohong, et al.
Veröffentlicht: (2026)

GenSelfDiff-HIS: Generative Self-Supervision Using Diffusion for Histopathological Image Segmentation
von: Purma, Vishnuvardhan, et al.
Veröffentlicht: (2023)

Chain-of-Image Generation: Toward Monitorable and Controllable Image Generation
von: Kim, Young Kyung, et al.
Veröffentlicht: (2025)

SignRep: Enhancing Self-Supervised Sign Representations
von: Wong, Ryan, et al.
Veröffentlicht: (2025)

Self-Supervised AI-Generated Image Detection: A Camera Metadata Perspective
von: Zhong, Nan, et al.
Veröffentlicht: (2025)

SketchTriplet: Self-Supervised Scenarized Sketch-Text-Image Triplet Generation
von: Wu, Zhenbei, et al.
Veröffentlicht: (2024)

Aligned but Stereotypical? The Hidden Influence of System Prompts on Social Bias in LVLM-Based Text-to-Image Models
von: Park, NaHyeon, et al.
Veröffentlicht: (2025)

Multi-Level LVLM Guidance for Untrimmed Video Action Recognition
von: Peng, Liyang, et al.
Veröffentlicht: (2025)

Unlocking Generalization in Polyp Segmentation with DINO Self-Attention "keys"
von: Monteiro, Carla, et al.
Veröffentlicht: (2025)

A Closer Look at Benchmarking Self-Supervised Pre-training with Image Classification
von: Marks, Markus, et al.
Veröffentlicht: (2024)

Self-Supervised Learning of Plant Image Representations
von: Moummad, Ilyass, et al.
Veröffentlicht: (2026)

Mask What Matters: Controllable Text-Guided Masking for Self-Supervised Medical Image Analysis
von: Wang, Ruilang, et al.
Veröffentlicht: (2025)

Measuring and Controlling the Spectral Bias for Self-Supervised Image Denoising
von: Zhang, Wang, et al.
Veröffentlicht: (2025)

Self-Supervised Learning Based on Transformed Image Reconstruction for Equivariance-Coherent Feature Representation
von: Wang, Qin, et al.
Veröffentlicht: (2025)

SSCR: Iterative Language-Based Image Editing via Self-Supervised Counterfactual Reasoning
von: Fu, Tsu-Jui, et al.
Veröffentlicht: (2020)

Explorations in Self-Supervised Learning: Dataset Composition Testing for Object Classification
von: Chavez, Raynor Kirkson E., et al.
Veröffentlicht: (2024)

EmoFeedback$^2$: Reinforcement of Continuous Emotional Image Generation via LVLM-based Reward and Textual Feedback
von: Jia, Jingyang, et al.
Veröffentlicht: (2025)

MoGe: Unlocking Accurate Monocular Geometry Estimation for Open-Domain Images with Optimal Training Supervision
von: Wang, Ruicheng, et al.
Veröffentlicht: (2024)

AnyAnomaly: Zero-Shot Customizable Video Anomaly Detection with LVLM
von: Ahn, Sunghyun, et al.
Veröffentlicht: (2025)