Buchumschlag

MADI: Masking-Augmented Diffusion with Inference-Time Scaling for Visual Editing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kadambi, Shreya, Garrepalli, Risheek, Borse, Shubhankar, Hyatt, Munawar, Porikli, Fatih
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DDIL: Diversity Enhancing Diffusion Distillation With Imitation Learning
von: Garrepalli, Risheek, et al.
Veröffentlicht: (2024)

MultiHuman-Testbench: Benchmarking Image Generation for Multiple Humans
von: Borse, Shubhankar, et al.
Veröffentlicht: (2025)

FouRA: Fourier Low Rank Adaptation
von: Borse, Shubhankar, et al.
Veröffentlicht: (2024)

Resolving the Identity Crisis in Text-to-Image Generation
von: Borse, Shubhankar, et al.
Veröffentlicht: (2025)

Do-Undo Bench: Reversibility for Action Understanding in Image Generation
von: Mahajan, Shweta, et al.
Veröffentlicht: (2025)

OCAI: Improving Optical Flow Estimation by Occlusion and Consistency Aware Interpolation
von: Jeong, Jisoo, et al.
Veröffentlicht: (2024)

LoRA-X: Bridging Foundation Models with Training-Free Cross-Model Adaptation
von: Farhadzadeh, Farzad, et al.
Veröffentlicht: (2025)

Personalized OVSS: Understanding Personal Concept in Open-Vocabulary Semantic Segmentation
von: Park, Sunghyun, et al.
Veröffentlicht: (2025)

PosSAM: Panoptic Open-vocabulary Segment Anything
von: VS, Vibashan, et al.
Veröffentlicht: (2024)

Clockwork Diffusion: Efficient Generation With Model-Step Distillation
von: Habibian, Amirhossein, et al.
Veröffentlicht: (2023)

SubZero: Composing Subject, Style, and Action via Zero-Shot Personalization
von: Borse, Shubhankar, et al.
Veröffentlicht: (2025)

MAMo: Leveraging Memory and Attention for Monocular Video Depth Estimation
von: Yasarla, Rajeev, et al.
Veröffentlicht: (2023)

Object-Centric Diffusion for Efficient Video Editing
von: Kahatapitiya, Kumara, et al.
Veröffentlicht: (2024)

SciFlow: Empowering Lightweight Optical Flow Models with Self-Cleaning Iterations
von: Lin, Jamie Menjay, et al.
Veröffentlicht: (2024)

Attention Guided Alignment in Efficient Vision-Language Models
von: Mahajan, Shweta, et al.
Veröffentlicht: (2025)

Generalized Contrastive Learning for Universal Multimodal Retrieval
von: Lee, Jungsoo, et al.
Veröffentlicht: (2025)

Ar2Can: An Architect and an Artist Leveraging a Canvas for Multi-Human Generation
von: Borse, Shubhankar, et al.
Veröffentlicht: (2025)

A Comparative analysis of Layer-wise Representational Capacity in AR and Diffusion LLMs
von: Goel, Raghavv, et al.
Veröffentlicht: (2026)

FutureDepth: Learning to Predict the Future Improves Video Depth Estimation
von: Yasarla, Rajeev, et al.
Veröffentlicht: (2024)

Spiffy: Multiplying Diffusion LLM Acceleration via Lossless Speculative Decoding
von: Agrawal, Sudhanshu, et al.
Veröffentlicht: (2025)

RoCA: Robust Cross-Domain End-to-End Autonomous Driving
von: Yasarla, Rajeev, et al.
Veröffentlicht: (2025)

Hidden Bias in the Machine: Stereotypes in Text-to-Image Models
von: Porikli, Sedat, et al.
Veröffentlicht: (2025)

DICE: Discrete Inversion Enabling Controllable Editing for Multinomial Diffusion and Masked Generative Models
von: He, Xiaoxiao, et al.
Veröffentlicht: (2024)

Distilling Multi-modal Large Language Models for Autonomous Driving
von: Hegde, Deepti, et al.
Veröffentlicht: (2025)

MoViE: Mobile Diffusion for Video Editing
von: Karjauv, Adil, et al.
Veröffentlicht: (2024)

Textualize Visual Prompt for Image Editing via Diffusion Bridge
von: Xu, Pengcheng, et al.
Veröffentlicht: (2025)

Hollowed Net for On-Device Personalization of Text-to-Image Diffusion Models
von: Cho, Wonguk, et al.
Veröffentlicht: (2024)

Performance Plateaus in Inference-Time Scaling for Text-to-Image Diffusion Without External Models
von: Choi, Changhyun, et al.
Veröffentlicht: (2025)

Click2Mask: Local Editing with Dynamic Mask Generation
von: Regev, Omer, et al.
Veröffentlicht: (2024)

FLoC: Facility Location-Based Efficient Visual Token Compression for Long Video Understanding
von: Cho, Janghoon, et al.
Veröffentlicht: (2025)

Scaling Inference-Time Search with Vision Value Model for Improved Visual Comprehension
von: Wang, Xiyao, et al.
Veröffentlicht: (2024)

Masked Generative Transformer Is What You Need for Image Editing
von: Chow, Wei, et al.
Veröffentlicht: (2026)

Inference-Time Scaling of Diffusion Models for Infrared Data Generation
von: Horstmann, Kai A., et al.
Veröffentlicht: (2025)

DuoLoRA : Cycle-consistent and Rank-disentangled Content-Style Personalization
von: Roy, Aniket, et al.
Veröffentlicht: (2025)

CustomKD: Customizing Large Vision Foundation for Edge Model Improvement via Knowledge Distillation
von: Lee, Jungsoo, et al.
Veröffentlicht: (2025)

Two-Step Data Augmentation for Masked Face Detection and Recognition: Turning Fake Masks to Real
von: Yang, Yan, et al.
Veröffentlicht: (2025)

Unified Control for Inference-Time Guidance of Denoising Diffusion Models
von: Goyal, Maurya, et al.
Veröffentlicht: (2025)

Unified Concept Editing in Diffusion Models
von: Gandikota, Rohit, et al.
Veröffentlicht: (2023)

Tripartite Weight-Space Ensemble for Few-Shot Class-Incremental Learning
von: Lee, Juntae, et al.
Veröffentlicht: (2025)

Mask and Restore: Blind Backdoor Defense at Test Time with Masked Autoencoder
von: Sun, Tao, et al.
Veröffentlicht: (2023)