A Practical Investigation of Spatially-Controlled Image Generation with Transformers
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Xia, Guoxuan, Hanspal, Harleen, Tudosiu, Petru-Daniel, Zhang, Shifeng, Parisot, Sarah |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Exploiting Mixture-of-Experts Redundancy Unlocks Multimodal Generative Abilities
par: Dutt, Raman, et autres
Publié: (2025)
par: Dutt, Raman, et autres
Publié: (2025)
Generating Compositional Scenes via Text-to-image RGBA Instance Generation
par: Fontanella, Alessandro, et autres
Publié: (2024)
par: Fontanella, Alessandro, et autres
Publié: (2024)
MULAN: A Multi Layer Annotated Dataset for Controllable Text-to-Image Generation
par: Tudosiu, Petru-Daniel, et autres
Publié: (2024)
par: Tudosiu, Petru-Daniel, et autres
Publié: (2024)
SceneForge: Structured World Supervision from 3D Interventions
par: Li, Jizhizi, et autres
Publié: (2026)
par: Li, Jizhizi, et autres
Publié: (2026)
An Extended Evaluation Split for DeepSpaceYoloDataset
par: Parisot, Olivier
Publié: (2026)
par: Parisot, Olivier
Publié: (2026)
Dynamic Mixture-of-Experts for Visual Autoregressive Model
par: Vincenti, Jort, et autres
Publié: (2025)
par: Vincenti, Jort, et autres
Publié: (2025)
Improving Object Detection via Local-global Contrastive Learning
par: Triantafyllidou, Danai, et autres
Publié: (2024)
par: Triantafyllidou, Danai, et autres
Publié: (2024)
Detecting streaks in smart telescopes images with Deep Learning
par: Parisot, Olivier, et autres
Publié: (2025)
par: Parisot, Olivier, et autres
Publié: (2025)
Towards Understanding and Quantifying Uncertainty for Text-to-Image Generation
par: Franchi, Gianni, et autres
Publié: (2024)
par: Franchi, Gianni, et autres
Publié: (2024)
HemBLIP: A Vision-Language Model for Interpretable Leukemia Cell Morphology Analysis
par: van Logtestijn, Julie, et autres
Publié: (2026)
par: van Logtestijn, Julie, et autres
Publié: (2026)
LiT: Delving into a Simple Linear Diffusion Transformer for Image Generation
par: Wang, Jiahao, et autres
Publié: (2025)
par: Wang, Jiahao, et autres
Publié: (2025)
Test-time Controllable Image Generation by Explicit Spatial Constraint Enforcement
par: Zhang, Z., et autres
Publié: (2025)
par: Zhang, Z., et autres
Publié: (2025)
Robustness analysis of Deep Sky Objects detection models on HPC
par: Parisot, Olivier, et autres
Publié: (2025)
par: Parisot, Olivier, et autres
Publié: (2025)
RichControl: Structure- and Appearance-Rich Training-Free Spatial Control for Text-to-Image Generation
par: Pang, Lexi, et autres
Publié: (2025)
par: Pang, Lexi, et autres
Publié: (2025)
Z-Image: An Efficient Image Generation Foundation Model with Single-Stream Diffusion Transformer
par: Image Team, et autres
Publié: (2025)
par: Image Team, et autres
Publié: (2025)
Feature Augmentation for Self-supervised Contrastive Learning: A Closer Look
par: Zhang, Yong, et autres
Publié: (2024)
par: Zhang, Yong, et autres
Publié: (2024)
Learning Shape-Independent Transformation via Spherical Representations for Category-Level Object Pose Estimation
par: Ren, Huan, et autres
Publié: (2025)
par: Ren, Huan, et autres
Publié: (2025)
Spatial-Aware Latent Initialization for Controllable Image Generation
par: Sun, Wenqiang, et autres
Publié: (2024)
par: Sun, Wenqiang, et autres
Publié: (2024)
Enhancing Shape Perception and Segmentation Consistency for Industrial Image Inspection
par: Mao, Guoxuan, et autres
Publié: (2025)
par: Mao, Guoxuan, et autres
Publié: (2025)
PG-ControlNet: A Physics-Guided ControlNet for Generative Spatially Varying Image Deblurring
par: Motorcu, Hakki, et autres
Publié: (2025)
par: Motorcu, Hakki, et autres
Publié: (2025)
Practical No-box Adversarial Attacks with Training-free Hybrid Image Transformation
par: Zhang, Qilong, et autres
Publié: (2022)
par: Zhang, Qilong, et autres
Publié: (2022)
SpatialLock: Precise Spatial Control in Text-to-Image Synthesis
par: Liu, Biao, et autres
Publié: (2025)
par: Liu, Biao, et autres
Publié: (2025)
FSATFusion: Frequency-Spatial Attention Transformer for Infrared and Visible Image Fusion
par: Zhang, Tianpei, et autres
Publié: (2025)
par: Zhang, Tianpei, et autres
Publié: (2025)
StructDiff: A Structure-Preserving and Spatially Controllable Diffusion Model for Single-Image Generation
par: He, Yinxi, et autres
Publié: (2026)
par: He, Yinxi, et autres
Publié: (2026)
LesionTABE: Equitable AI for Skin Lesion Detection
par: Diaz, Rocio Mexia, et autres
Publié: (2026)
par: Diaz, Rocio Mexia, et autres
Publié: (2026)
Layout-Guided Controllable Pathology Image Generation with In-Context Diffusion Transformers
par: Shou, Yuntao, et autres
Publié: (2026)
par: Shou, Yuntao, et autres
Publié: (2026)
Seal2Real: Prompt Prior Learning on Diffusion Model for Unsupervised Document Seal Data Generation and Realisation
par: Yan, Mingfu, et autres
Publié: (2023)
par: Yan, Mingfu, et autres
Publié: (2023)
GenSpace: Benchmarking Spatially-Aware Image Generation
par: Wang, Zehan, et autres
Publié: (2025)
par: Wang, Zehan, et autres
Publié: (2025)
GPSToken: Gaussian Parameterized Spatially-adaptive Tokenization for Image Representation and Generation
par: Zhang, Zhengqiang, et autres
Publié: (2025)
par: Zhang, Zhengqiang, et autres
Publié: (2025)
Component Adaptive Clustering for Generalized Category Discovery
par: Yan, Mingfu, et autres
Publié: (2025)
par: Yan, Mingfu, et autres
Publié: (2025)
Step1X-Edit: A Practical Framework for General Image Editing
par: Liu, Shiyu, et autres
Publié: (2025)
par: Liu, Shiyu, et autres
Publié: (2025)
Intelligent Image Search Algorithms Fusing Visual Large Models
par: Wang, Kehan, et autres
Publié: (2025)
par: Wang, Kehan, et autres
Publié: (2025)
Taming Transformer for Emotion-Controllable Talking Face Generation
par: Zhang, Ziqi, et autres
Publié: (2025)
par: Zhang, Ziqi, et autres
Publié: (2025)
Recursive Generalization Transformer for Image Super-Resolution
par: Chen, Zheng, et autres
Publié: (2023)
par: Chen, Zheng, et autres
Publié: (2023)
Consistent Human Image and Video Generation with Spatially Conditioned Diffusion
par: Cao, Mingdeng, et autres
Publié: (2024)
par: Cao, Mingdeng, et autres
Publié: (2024)
Lightweight Vision Transformer with Window and Spatial Attention for Food Image Classification
par: Gao, Xinle, et autres
Publié: (2025)
par: Gao, Xinle, et autres
Publié: (2025)
GPLQ: A General, Practical, and Lightning QAT Method for Vision Transformers
par: Liang, Guang, et autres
Publié: (2025)
par: Liang, Guang, et autres
Publié: (2025)
TIPS: Text-Image Pretraining with Spatial awareness
par: Maninis, Kevis-Kokitsi, et autres
Publié: (2024)
par: Maninis, Kevis-Kokitsi, et autres
Publié: (2024)
Evaluating the Generation of Spatial Relations in Text and Image Generative Models
par: Sim, Shang Hong, et autres
Publié: (2024)
par: Sim, Shang Hong, et autres
Publié: (2024)
SSFT: A Lightweight Spectral-Spatial Fusion Transformer for Generic Hyperspectral Classification
par: Musiat, Alexander, et autres
Publié: (2026)
par: Musiat, Alexander, et autres
Publié: (2026)
Documents similaires
-
Exploiting Mixture-of-Experts Redundancy Unlocks Multimodal Generative Abilities
par: Dutt, Raman, et autres
Publié: (2025) -
Generating Compositional Scenes via Text-to-image RGBA Instance Generation
par: Fontanella, Alessandro, et autres
Publié: (2024) -
MULAN: A Multi Layer Annotated Dataset for Controllable Text-to-Image Generation
par: Tudosiu, Petru-Daniel, et autres
Publié: (2024) -
SceneForge: Structured World Supervision from 3D Interventions
par: Li, Jizhizi, et autres
Publié: (2026) -
An Extended Evaluation Split for DeepSpaceYoloDataset
par: Parisot, Olivier
Publié: (2026)