Copertina

Bitrate-Controlled Diffusion for Disentangling Motion and Content in Video

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Li, Xiao, Chen, Qi, Peng, Xiulian, Yu, Kai, Chen, Xie, Lu, Yan
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Next-Frame Decoding for Ultra-Low-Bitrate Image Compression with Video Diffusion Priors
di: Chen, Yunuo, et al.
Pubblicazione: (2026)

Hierarchical Long Video Understanding with Audiovisual Entity Cohesion and Agentic Search
di: Yin, Xinlei, et al.
Pubblicazione: (2026)

Generative Latent Coding for Ultra-Low Bitrate Image and Video Compression
di: Qi, Linfeng, et al.
Pubblicazione: (2025)

Motion Consistency Model: Accelerating Video Diffusion with Disentangled Motion-Appearance Distillation
di: Zhai, Yuanhao, et al.
Pubblicazione: (2024)

A Coding Framework and Benchmark towards Low-Bitrate Video Understanding
di: Tian, Yuan, et al.
Pubblicazione: (2022)

I2VControl: Disentangled and Unified Video Motion Synthesis Control
di: Feng, Wanquan, et al.
Pubblicazione: (2024)

MoGAN: Improving Motion Quality in Video Diffusion via Few-Step Motion Adversarial Post-Training
di: Xue, Haotian, et al.
Pubblicazione: (2025)

HDCompression: Hybrid-Diffusion Image Compression for Ultra-Low Bitrates
di: Lu, Lei, et al.
Pubblicazione: (2025)

ReVideo: Remake a Video with Motion and Content Control
di: Mou, Chong, et al.
Pubblicazione: (2024)

MotionAdapter: Video Motion Transfer via Content-Aware Attention Customization
di: Zhang, Zhexin, et al.
Pubblicazione: (2026)

Video Diffusion Models are Training-free Motion Interpreter and Controller
di: Xiao, Zeqi, et al.
Pubblicazione: (2024)

DAM-VSR: Disentanglement of Appearance and Motion for Video Super-Resolution
di: Kong, Zhe, et al.
Pubblicazione: (2025)

Low-Bitrate Video Compression through Semantic-Conditioned Diffusion
di: Wang, Lingdong, et al.
Pubblicazione: (2025)

A Causal Diffusion Model for Video Reconstruction from Ultra-Low-Bitrate Representations
di: Eteke, Cem, et al.
Pubblicazione: (2026)

Disentangling Foreground and Background Motion for Enhanced Realism in Human Video Generation
di: Liu, Jinlin, et al.
Pubblicazione: (2024)

ConMo: Controllable Motion Disentanglement and Recomposition for Zero-Shot Motion Transfer
di: Gao, Jiayi, et al.
Pubblicazione: (2025)

Disentangled Motion Modeling for Video Frame Interpolation
di: Lew, Jaihyun, et al.
Pubblicazione: (2024)

VideoMage: Multi-Subject and Motion Customization of Text-to-Video Diffusion Models
di: Huang, Chi-Pin, et al.
Pubblicazione: (2025)

Decouple and Track: Benchmarking and Improving Video Diffusion Transformers for Motion Transfer
di: Shi, Qingyu, et al.
Pubblicazione: (2025)

Motion-Zero: Zero-Shot Moving Object Control Framework for Diffusion-Based Video Generation
di: Chen, Changgu, et al.
Pubblicazione: (2024)

DEADiff: An Efficient Stylization Diffusion Model with Disentangled Representations
di: Qi, Tianhao, et al.
Pubblicazione: (2024)

Cinemo: Consistent and Controllable Image Animation with Motion Diffusion Models
di: Ma, Xin, et al.
Pubblicazione: (2024)

Individual Content and Motion Dynamics Preserved Pruning for Video Diffusion Models
di: Wu, Yiming, et al.
Pubblicazione: (2024)

Efficient Video Diffusion Models via Content-Frame Motion-Latent Decomposition
di: Yu, Sihyun, et al.
Pubblicazione: (2024)

MotionBank: A Large-scale Video Motion Benchmark with Disentangled Rule-based Annotations
di: Xu, Liang, et al.
Pubblicazione: (2024)

Moaw: Unleashing Motion Awareness for Video Diffusion Models
di: Zhang, Tianqi, et al.
Pubblicazione: (2026)

VQTalker: Towards Multilingual Talking Avatars through Facial Motion Tokenization
di: Liu, Tao, et al.
Pubblicazione: (2024)

TokenMotion: Decoupled Motion Control via Token Disentanglement for Human-centric Video Generation
di: Li, Ruineng, et al.
Pubblicazione: (2025)

MultiMotion: Multi Subject Video Motion Transfer via Video Diffusion Transformer
di: Liu, Penghui, et al.
Pubblicazione: (2025)

SCAdapter: Content-Style Disentanglement for Diffusion Style Transfer
di: Trinh, Luan Thanh, et al.
Pubblicazione: (2025)

PhyVLLM: Physics-Guided Video Language Model with Motion-Appearance Disentanglement
di: Zhan, Yu-Wei, et al.
Pubblicazione: (2025)

Control-A-Video: Controllable Text-to-Video Diffusion Models with Motion Prior and Reward Feedback Learning
di: Chen, Weifeng, et al.
Pubblicazione: (2023)

Real-Time Motion-Controllable Autoregressive Video Diffusion
di: Zhao, Kesen, et al.
Pubblicazione: (2025)

HumanDiT: Pose-Guided Diffusion Transformer for Long-form Human Motion Video Generation
di: Gan, Qijun, et al.
Pubblicazione: (2025)

Local Action-Guided Motion Diffusion Model for Text-to-Motion Generation
di: Jin, Peng, et al.
Pubblicazione: (2024)

DisControlFace: Adding Disentangled Control to Diffusion Autoencoder for One-shot Explicit Facial Image Editing
di: Jia, Haozhe, et al.
Pubblicazione: (2023)

MotionBooth: Motion-Aware Customized Text-to-Video Generation
di: Wu, Jianzong, et al.
Pubblicazione: (2024)

MotionStone: Decoupled Motion Intensity Modulation with Diffusion Transformer for Image-to-Video Generation
di: Shi, Shuwei, et al.
Pubblicazione: (2024)

Controllable Video Generation with Provable Disentanglement
di: Shen, Yifan, et al.
Pubblicazione: (2025)

Tri-Prompting: Video Diffusion with Unified Control over Scene, Subject, and Motion
di: Zhou, Zhenghong, et al.
Pubblicazione: (2026)