Buchumschlag

V.I.P. : Iterative Online Preference Distillation for Efficient Video Diffusion Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Jisoo, Seo, Wooseok, Kim, Junwan, Park, Seungho, Park, Sooyeon, Yu, Youngjae
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CollabVR: Collaborative Video Reasoning with Vision-Language and Video Generation Models
von: Kim, Joowon, et al.
Veröffentlicht: (2026)

DEEPTalk: Dynamic Emotion Embedding for Probabilistic Speech-Driven 3D Face Animation
von: Kim, Jisoo, et al.
Veröffentlicht: (2024)

DisCoRD: Discrete Tokens to Continuous Motion via Rectified Flow Decoding
von: Cho, Jungbin, et al.
Veröffentlicht: (2024)

Rebalancing Reference Frame Dominance to Improve Motion in Image-to-Video Models
von: Jeon, Wooseok, et al.
Veröffentlicht: (2026)

V-Warper: Appearance-Consistent Video Diffusion Personalization via Value Warping
von: Lee, Hyunkoo, et al.
Veröffentlicht: (2025)

CompoDistill: Attention Distillation for Compositional Reasoning in Multimodal LLMs
von: Kim, Jiwan, et al.
Veröffentlicht: (2025)

ISR-DPO: Aligning Large Multimodal Models for Videos by Iterative Self-Retrospective DPO
von: Ahn, Daechul, et al.
Veröffentlicht: (2024)

Reducing Peak Memory Usage for Modern Multimodal Large Language Model Pipelines
von: Kim, Junwan, et al.
Veröffentlicht: (2026)

TWLV-I: Analysis and Insights from Holistic Evaluation on Video Foundation Models
von: Lee, Hyeongmin, et al.
Veröffentlicht: (2024)

Identity-preserving Distillation Sampling by Fixed-Point Iterator
von: Kim, SeonHwa, et al.
Veröffentlicht: (2025)

Generalist Multi-Class Anomaly Detection via Distillation to Two Heterogeneous Student Networks
von: Park, Hangil, et al.
Veröffentlicht: (2025)

Layout-and-Retouch: A Dual-stage Framework for Improving Diversity in Personalized Image Generation
von: Kim, Kangyeol, et al.
Veröffentlicht: (2024)

SceneAdapt: Scene-aware Adaptation of Human Motion Diffusion
von: Cho, Jungbin, et al.
Veröffentlicht: (2025)

Improving Cone-Beam CT Image Quality with Knowledge Distillation-Enhanced Diffusion Model in Imbalanced Data Settings
von: Hwang, Joonil, et al.
Veröffentlicht: (2024)

Speaking Beyond Language: A Large-Scale Multimodal Dataset for Learning Nonverbal Cues from Video-Grounded Dialogues
von: Kim, Youngmin, et al.
Veröffentlicht: (2025)

Image Diffusion Models Exhibit Emergent Temporal Propagation in Videos
von: Kim, Youngseo, et al.
Veröffentlicht: (2025)

Lightweight Wasserstein Audio-Visual Model for Unified Speech Enhancement and Separation
von: Park, Jisoo, et al.
Veröffentlicht: (2025)

OnlineVPO: Align Video Diffusion Model with Online Video-Centric Preference Optimization
von: Zhang, Jiacheng, et al.
Veröffentlicht: (2024)

Let 2D Diffusion Model Know 3D-Consistency for Robust Text-to-3D Generation
von: Seo, Junyoung, et al.
Veröffentlicht: (2023)

Retrieval-Augmented Score Distillation for Text-to-3D Generation
von: Seo, Junyoung, et al.
Veröffentlicht: (2024)

Hybrid Video Diffusion Models with 2D Triplane and 3D Wavelet Representation
von: Kim, Kihong, et al.
Veröffentlicht: (2024)

Preserve and Personalize: Personalized Text-to-Image Diffusion Models without Distributional Drift
von: Kim, Gihoon, et al.
Veröffentlicht: (2025)

Multispectral Pedestrian Detection with Sparsely Annotated Label
von: Lee, Chan, et al.
Veröffentlicht: (2025)

VidChain: Chain-of-Tasks with Metric-based Direct Preference Optimization for Dense Video Captioning
von: Lee, Ji Soo, et al.
Veröffentlicht: (2025)

GuideDog: A Real-World Egocentric Multimodal Dataset for Blind and Low-Vision Accessibility-Aware Guidance
von: Kim, Junhyeok, et al.
Veröffentlicht: (2025)

SRVP: Strong Recollection Video Prediction Model Using Attention-Based Spatiotemporal Correlation Fusion
von: Kim, Yuseon, et al.
Veröffentlicht: (2025)

EgoSpeak: Learning When to Speak for Egocentric Conversational Agents in the Wild
von: Kim, Junhyeok, et al.
Veröffentlicht: (2025)

Cross-Frame Representation Alignment for Fine-Tuning Video Diffusion Models
von: Hwang, Sungwon, et al.
Veröffentlicht: (2025)

Direct Diffusion Score Preference Optimization via Stepwise Contrastive Policy-Pair Supervision
von: Kim, Dohyun, et al.
Veröffentlicht: (2025)

Diffusion Model Compression for Image-to-Image Translation
von: Kim, Geonung, et al.
Veröffentlicht: (2024)

Simulating Post-Neoadjuvant Chemotherapy Breast Cancer MRI via Diffusion Model with Prompt Tuning
von: Kim, Jonghun, et al.
Veröffentlicht: (2025)

SlumpGuard: An AI-Powered Real-Time System for Automated Concrete Slump Prediction via Video Analysis
von: Kim, Youngmin, et al.
Veröffentlicht: (2025)

StableSketcher: Enhancing Diffusion Model for Pixel-based Sketch Generation via Visual Question Answering Feedback
von: Park, Jiho, et al.
Veröffentlicht: (2025)

Distilling ODE Solvers of Diffusion Models into Smaller Steps
von: Kim, Sanghwan, et al.
Veröffentlicht: (2023)

APPLE: Attribute-Preserving Pseudo-Labeling for Diffusion-Based Face Swapping
von: Kang, Jiwon, et al.
Veröffentlicht: (2026)

Memory-Efficient Personalization of Text-to-Image Diffusion Models via Selective Optimization Strategies
von: Choi, Seokeon, et al.
Veröffentlicht: (2025)

FRAMER: Frequency-Aligned Self-Distillation with Adaptive Modulation Leveraging Diffusion Priors for Real-World Image Super-Resolution
von: Choi, Seungho, et al.
Veröffentlicht: (2025)

Teaching Metric Distance to Discrete Autoregressive Language Models
von: Chung, Jiwan, et al.
Veröffentlicht: (2025)

Distribution Matching Distillation without Fake Score Network
von: Kim, Youngjoong, et al.
Veröffentlicht: (2026)

VideoMamba: Spatio-Temporal Selective State Space Model
von: Park, Jinyoung, et al.
Veröffentlicht: (2024)