Discovering Divergent Representations between Text-to-Image Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Dunlap, Lisa, Gonzalez, Joseph E., Darrell, Trevor, Heilbron, Fabian Caba, Sivic, Josef, Russell, Bryan |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
EditDuet: A Multi-Agent System for Video Non-Linear Editing
par: Sandoval-Castaneda, Marcelo, et autres
Publié: (2025)
par: Sandoval-Castaneda, Marcelo, et autres
Publié: (2025)
Improving Personalized Search with Regularized Low-Rank Parameter Updates
par: Ryan, Fiona, et autres
Publié: (2025)
par: Ryan, Fiona, et autres
Publié: (2025)
ResidualViT for Efficient Temporally Dense Video Encoding
par: Soldan, Mattia, et autres
Publié: (2025)
par: Soldan, Mattia, et autres
Publié: (2025)
Generative Timelines for Instructed Visual Assembly
par: Pardo, Alejandro, et autres
Publié: (2024)
par: Pardo, Alejandro, et autres
Publié: (2024)
Adapting Dual-encoder Vision-language Models for Paraphrased Retrieval
par: Cheng, Jiacheng, et autres
Publié: (2024)
par: Cheng, Jiacheng, et autres
Publié: (2024)
Concept Weaver: Enabling Multi-Concept Fusion in Text-to-Image Models
par: Kwon, Gihyun, et autres
Publié: (2024)
par: Kwon, Gihyun, et autres
Publié: (2024)
Diffusion Hyperfeatures: Searching Through Time and Space for Semantic Correspondence
par: Luo, Grace, et autres
Publié: (2023)
par: Luo, Grace, et autres
Publié: (2023)
NewMove: Customizing text-to-video models with novel motions
par: Materzynska, Joanna, et autres
Publié: (2023)
par: Materzynska, Joanna, et autres
Publié: (2023)
VisionArena: 230K Real World User-VLM Conversations with Preference Labels
par: Chou, Christopher, et autres
Publié: (2024)
par: Chou, Christopher, et autres
Publié: (2024)
Describing Differences in Image Sets with Natural Language
par: Dunlap, Lisa, et autres
Publié: (2023)
par: Dunlap, Lisa, et autres
Publié: (2023)
LLM-grounded Diffusion: Enhancing Prompt Understanding of Text-to-Image Diffusion Models with Large Language Models
par: Lian, Long, et autres
Publié: (2023)
par: Lian, Long, et autres
Publié: (2023)
Sync from the Sea: Retrieving Alignable Videos from Large-Scale Datasets
par: Dave, Ishan Rajendrakumar, et autres
Publié: (2024)
par: Dave, Ishan Rajendrakumar, et autres
Publié: (2024)
FocalPose++: Focal Length and Object Pose Estimation via Render and Compare
par: Cífka, Martin, et autres
Publié: (2023)
par: Cífka, Martin, et autres
Publié: (2023)
CineVerse: Consistent Keyframe Synthesis for Cinematic Scene Composition
par: Phung, Quynh, et autres
Publié: (2025)
par: Phung, Quynh, et autres
Publié: (2025)
Grounded Video Caption Generation
par: Kazakos, Evangelos, et autres
Publié: (2024)
par: Kazakos, Evangelos, et autres
Publié: (2024)
Large-scale Pre-training for Grounded Video Caption Generation
par: Kazakos, Evangelos, et autres
Publié: (2025)
par: Kazakos, Evangelos, et autres
Publié: (2025)
Scaling Up Video Summarization Pretraining with Large Language Models
par: Argaw, Dawit Mureja, et autres
Publié: (2024)
par: Argaw, Dawit Mureja, et autres
Publié: (2024)
Towards Automated Movie Trailer Generation
par: Argaw, Dawit Mureja, et autres
Publié: (2024)
par: Argaw, Dawit Mureja, et autres
Publié: (2024)
Videogenic: Identifying Highlight Moments in Videos with Professional Photographs as a Prior
par: Lin, David Chuan-En, et autres
Publié: (2022)
par: Lin, David Chuan-En, et autres
Publié: (2022)
VideoMap: Supporting Video Editing Exploration, Brainstorming, and Prototyping in the Latent Space
par: Lin, David Chuan-En, et autres
Publié: (2022)
par: Lin, David Chuan-En, et autres
Publié: (2022)
Vision-Language Models Create Cross-Modal Task Representations
par: Luo, Grace, et autres
Publié: (2024)
par: Luo, Grace, et autres
Publié: (2024)
Persistent Robot World Models: Stabilizing Multi-Step Rollouts via Reinforcement Learning
par: Bardhan, Jai, et autres
Publié: (2026)
par: Bardhan, Jai, et autres
Publié: (2026)
Generate, but Verify: Reducing Hallucination in Vision-Language Models with Retrospective Resampling
par: Wu, Tsung-Han, et autres
Publié: (2025)
par: Wu, Tsung-Han, et autres
Publié: (2025)
GenHowTo: Learning to Generate Actions and State Transformations from Instructional Videos
par: Souček, Tomáš, et autres
Publié: (2023)
par: Souček, Tomáš, et autres
Publié: (2023)
POP-3D: Open-Vocabulary 3D Occupancy Prediction from Images
par: Vobecky, Antonin, et autres
Publié: (2024)
par: Vobecky, Antonin, et autres
Publié: (2024)
Fast Image-based Neural Relighting with Translucency-Reflection Modeling
par: Zhu, Shizhan, et autres
Publié: (2023)
par: Zhu, Shizhan, et autres
Publié: (2023)
AlignPose: Generalizable 6D Pose Estimation via Multi-view Feature-metric Alignment
par: Mikeštíková, Anna Šárová, et autres
Publié: (2025)
par: Mikeštíková, Anna Šárová, et autres
Publié: (2025)
Visually Prompted Benchmarks Are Surprisingly Fragile
par: Feng, Haiwen, et autres
Publié: (2025)
par: Feng, Haiwen, et autres
Publié: (2025)
Video Action Differencing
par: Burgess, James, et autres
Publié: (2025)
par: Burgess, James, et autres
Publié: (2025)
ShowHowTo: Generating Scene-Conditioned Step-by-Step Visual Instructions
par: Souček, Tomáš, et autres
Publié: (2024)
par: Souček, Tomáš, et autres
Publié: (2024)
Dual-Process Image Generation
par: Luo, Grace, et autres
Publié: (2025)
par: Luo, Grace, et autres
Publié: (2025)
When Do We Not Need Larger Vision Models?
par: Shi, Baifeng, et autres
Publié: (2024)
par: Shi, Baifeng, et autres
Publié: (2024)
Visual Haystacks: A Vision-Centric Needle-In-A-Haystack Benchmark
par: Wu, Tsung-Han, et autres
Publié: (2024)
par: Wu, Tsung-Han, et autres
Publié: (2024)
Drive&Segment: Unsupervised Semantic Segmentation of Urban Scenes via Cross-modal Distillation
par: Vobecky, Antonin, et autres
Publié: (2022)
par: Vobecky, Antonin, et autres
Publié: (2022)
Good Seed Makes a Good Crop: Discovering Secret Seeds in Text-to-Image Diffusion Models
par: Xu, Katherine, et autres
Publié: (2024)
par: Xu, Katherine, et autres
Publié: (2024)
FairGen: Enhancing Fairness in Text-to-Image Diffusion Models via Self-Discovering Latent Directions
par: Jiang, Yilei, et autres
Publié: (2024)
par: Jiang, Yilei, et autres
Publié: (2024)
Self-Discovering Interpretable Diffusion Latent Directions for Responsible Text-to-Image Generation
par: Li, Hang, et autres
Publié: (2023)
par: Li, Hang, et autres
Publié: (2023)
VibeCheck: Discover and Quantify Qualitative Differences in Large Language Models
par: Dunlap, Lisa, et autres
Publié: (2024)
par: Dunlap, Lisa, et autres
Publié: (2024)
6D Object Pose Tracking in Internet Videos for Robotic Manipulation
par: Ponimatkin, Georgy, et autres
Publié: (2025)
par: Ponimatkin, Georgy, et autres
Publié: (2025)
PhysPose: Refining 6D Object Poses with Physical Constraints
par: Malenický, Martin, et autres
Publié: (2025)
par: Malenický, Martin, et autres
Publié: (2025)
Documents similaires
-
EditDuet: A Multi-Agent System for Video Non-Linear Editing
par: Sandoval-Castaneda, Marcelo, et autres
Publié: (2025) -
Improving Personalized Search with Regularized Low-Rank Parameter Updates
par: Ryan, Fiona, et autres
Publié: (2025) -
ResidualViT for Efficient Temporally Dense Video Encoding
par: Soldan, Mattia, et autres
Publié: (2025) -
Generative Timelines for Instructed Visual Assembly
par: Pardo, Alejandro, et autres
Publié: (2024) -
Adapting Dual-encoder Vision-language Models for Paraphrased Retrieval
par: Cheng, Jiacheng, et autres
Publié: (2024)