Turbo-VAED: Fast and Stable Transfer of Video-VAEs to Mobile Devices
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zou, Ya, Yao, Jingfeng, Yu, Siyuan, Zhang, Shuai, Liu, Wenyu, Wang, Xinggang |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
MobileI2V: Fast and High-Resolution Image-to-Video on Mobile Devices
par: Zhang, Shuai, et autres
Publié: (2025)
par: Zhang, Shuai, et autres
Publié: (2025)
FasterDiT: Towards Faster Diffusion Transformers Training without Architecture Modification
par: Yao, Jingfeng, et autres
Publié: (2024)
par: Yao, Jingfeng, et autres
Publié: (2024)
Matte Anything: Interactive Natural Image Matting with Segment Anything Models
par: Yao, Jingfeng, et autres
Publié: (2023)
par: Yao, Jingfeng, et autres
Publié: (2023)
Flash-VAED: Plug-and-Play VAE Decoders for Efficient Video Generation
par: Zhu, Lunjie, et autres
Publié: (2026)
par: Zhu, Lunjie, et autres
Publié: (2026)
ViTGaze: Gaze Following with Interaction Features in Vision Transformers
par: Song, Yuehao, et autres
Publié: (2024)
par: Song, Yuehao, et autres
Publié: (2024)
MIM4D: Masked Modeling with Multi-View Video for Autonomous Driving Representation Learning
par: Zou, Jialv, et autres
Publié: (2024)
par: Zou, Jialv, et autres
Publié: (2024)
DiffusionVL: Translating Any Autoregressive Models into Diffusion Vision Language Models
par: Zeng, Lunbin, et autres
Publié: (2025)
par: Zeng, Lunbin, et autres
Publié: (2025)
Reconstruction vs. Generation: Taming Optimization Dilemma in Latent Diffusion Models
par: Yao, Jingfeng, et autres
Publié: (2025)
par: Yao, Jingfeng, et autres
Publié: (2025)
DeltaMIL: Gated Memory Integration for Efficient and Discriminative Whole Slide Image Analysis
par: Zhu, Yueting, et autres
Publié: (2025)
par: Zhu, Yueting, et autres
Publié: (2025)
Towards Scalable Pre-training of Visual Tokenizers for Generation
par: Yao, Jingfeng, et autres
Publié: (2025)
par: Yao, Jingfeng, et autres
Publié: (2025)
LKCell: Efficient Cell Nuclei Instance Segmentation with Large Convolution Kernels
par: Cui, Ziwei, et autres
Publié: (2024)
par: Cui, Ziwei, et autres
Publié: (2024)
OmniMamba: Efficient and Unified Multimodal Understanding and Generation via State Space Models
par: Zou, Jialv, et autres
Publié: (2025)
par: Zou, Jialv, et autres
Publié: (2025)
EVA-X: A Foundation Model for General Chest X-ray Analysis with Self-supervised Learning
par: Yao, Jingfeng, et autres
Publié: (2024)
par: Yao, Jingfeng, et autres
Publié: (2024)
PersonViT: Large-scale Self-supervised Vision Transformer for Person Re-Identification
par: Hu, Bin, et autres
Publié: (2024)
par: Hu, Bin, et autres
Publié: (2024)
Fast High Dynamic Range Radiance Fields for Dynamic Scenes
par: Wu, Guanjun, et autres
Publié: (2024)
par: Wu, Guanjun, et autres
Publié: (2024)
MolSight: Optical Chemical Structure Recognition with SMILES Pretraining, Multi-Granularity Learning and Reinforcement Learning
par: Zhang, Wenrui, et autres
Publié: (2025)
par: Zhang, Wenrui, et autres
Publié: (2025)
Dynamic 2D Gaussians: Geometrically Accurate Radiance Fields for Dynamic Objects
par: Zhang, Shuai, et autres
Publié: (2024)
par: Zhang, Shuai, et autres
Publié: (2024)
DriveLaW:Unifying Planning and Video Generation in a Latent Driving World
par: Xia, Tianze, et autres
Publié: (2025)
par: Xia, Tianze, et autres
Publié: (2025)
XS-VID: An Extremely Small Video Object Detection Dataset
par: Guo, Jiahao, et autres
Publié: (2024)
par: Guo, Jiahao, et autres
Publié: (2024)
GaraMoSt: Parallel Multi-Granularity Motion and Structural Modeling for Efficient Multi-Frame Interpolation in DSA Images
par: Xu, Ziyang, et autres
Publié: (2024)
par: Xu, Ziyang, et autres
Publié: (2024)
MaTVLM: Hybrid Mamba-Transformer for Efficient Vision-Language Modeling
par: Li, Yingyue, et autres
Publié: (2025)
par: Li, Yingyue, et autres
Publié: (2025)
Causality-inspired Discriminative Feature Learning in Triple Domains for Gait Recognition
par: Xiong, Haijun, et autres
Publié: (2024)
par: Xiong, Haijun, et autres
Publié: (2024)
Cross-Layer Attentive Feature Upsampling for Low-latency Semantic Segmentation
par: Cheng, Tianheng, et autres
Publié: (2026)
par: Cheng, Tianheng, et autres
Publié: (2026)
Image-Free Timestep Distillation via Continuous-Time Consistency with Trajectory-Sampled Pairs
par: Tang, Bao, et autres
Publié: (2025)
par: Tang, Bao, et autres
Publié: (2025)
Visual Generation Tuning
par: Guo, Jiahao, et autres
Publié: (2025)
par: Guo, Jiahao, et autres
Publié: (2025)
Delving into Latent Spectral Biasing of Video VAEs for Superior Diffusability
par: Liu, Shizhan, et autres
Publié: (2025)
par: Liu, Shizhan, et autres
Publié: (2025)
Gait Recognition via Collaborating Discriminative and Generative Diffusion Models
par: Xiong, Haijun, et autres
Publié: (2025)
par: Xiong, Haijun, et autres
Publié: (2025)
TOGS: Gaussian Splatting with Temporal Opacity Offset for Real-Time 4D DSA Rendering
par: Zhang, Shuai, et autres
Publié: (2024)
par: Zhang, Shuai, et autres
Publié: (2024)
GaitGS: Temporal Feature Learning in Granularity and Span Dimension for Gait Recognition
par: Xiong, Haijun, et autres
Publié: (2023)
par: Xiong, Haijun, et autres
Publié: (2023)
STP4D: Spatio-Temporal-Prompt Consistent Modeling for Text-to-4D Gaussian Splatting
par: Deng, Yunze, et autres
Publié: (2025)
par: Deng, Yunze, et autres
Publié: (2025)
Mask-Adapter: The Devil is in the Masks for Open-Vocabulary Segmentation
par: Li, Yongkang, et autres
Publié: (2024)
par: Li, Yongkang, et autres
Publié: (2024)
Occupancy as Set of Points
par: Shi, Yiang, et autres
Publié: (2024)
par: Shi, Yiang, et autres
Publié: (2024)
AlphaDrive: Unleashing the Power of VLMs in Autonomous Driving via Reinforcement Learning and Reasoning
par: Jiang, Bo, et autres
Publié: (2025)
par: Jiang, Bo, et autres
Publié: (2025)
Real-Time Generation of Streamable Talking Portrait Video with Reference-Guided Deep Compression VAEs
par: Xu, Sicheng, et autres
Publié: (2026)
par: Xu, Sicheng, et autres
Publié: (2026)
Polar Parametrization for Vision-based Surround-View 3D Detection
par: Chen, Shaoyu, et autres
Publié: (2022)
par: Chen, Shaoyu, et autres
Publié: (2022)
TurboVSR: Fantastic Video Upscalers and Where to Find Them
par: Wang, Zhongdao, et autres
Publié: (2025)
par: Wang, Zhongdao, et autres
Publié: (2025)
DiffusionDriveV2: Reinforcement Learning-Constrained Truncated Diffusion Modeling in End-to-End Autonomous Driving
par: Zou, Jialv, et autres
Publié: (2025)
par: Zou, Jialv, et autres
Publié: (2025)
GaussianDreamer: Fast Generation from Text to 3D Gaussians by Bridging 2D and 3D Diffusion Models
par: Yi, Taoran, et autres
Publié: (2023)
par: Yi, Taoran, et autres
Publié: (2023)
MobileViCLIP: An Efficient Video-Text Model for Mobile Devices
par: Yang, Min, et autres
Publié: (2025)
par: Yang, Min, et autres
Publié: (2025)
Training-Free Vector Quantization via Gaussian VAEs
par: Xu, Tongda, et autres
Publié: (2025)
par: Xu, Tongda, et autres
Publié: (2025)
Documents similaires
-
MobileI2V: Fast and High-Resolution Image-to-Video on Mobile Devices
par: Zhang, Shuai, et autres
Publié: (2025) -
FasterDiT: Towards Faster Diffusion Transformers Training without Architecture Modification
par: Yao, Jingfeng, et autres
Publié: (2024) -
Matte Anything: Interactive Natural Image Matting with Segment Anything Models
par: Yao, Jingfeng, et autres
Publié: (2023) -
Flash-VAED: Plug-and-Play VAE Decoders for Efficient Video Generation
par: Zhu, Lunjie, et autres
Publié: (2026) -
ViTGaze: Gaze Following with Interaction Features in Vision Transformers
par: Song, Yuehao, et autres
Publié: (2024)