UniVid: Unifying Vision Tasks with Pre-trained Video Generation Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Chen, Lan, Gu, Yuchao, Mao, Qi |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
UniVid: The Open-Source Unified Video Model
par: Luo, Jiabin, et autres
Publié: (2025)
par: Luo, Jiabin, et autres
Publié: (2025)
UniVid: Pyramid Diffusion Model for High Quality Video Generation
par: Xiao, Xinyu, et autres
Publié: (2026)
par: Xiao, Xinyu, et autres
Publié: (2026)
Uni-NaVid: A Video-based Vision-Language-Action Model for Unifying Embodied Navigation Tasks
par: Zhang, Jiazhao, et autres
Publié: (2024)
par: Zhang, Jiazhao, et autres
Publié: (2024)
Edit Transfer: Learning Image Editing via Vision In-Context Relations
par: Chen, Lan, et autres
Publié: (2025)
par: Chen, Lan, et autres
Publié: (2025)
UniVidX: A Unified Multimodal Framework for Versatile Video Generation via Diffusion Priors
par: Chen, Houyuan, et autres
Publié: (2026)
par: Chen, Houyuan, et autres
Publié: (2026)
Tuning-Free Image Editing with Fidelity and Editability via Unified Latent Diffusion Model
par: Mao, Qi, et autres
Publié: (2025)
par: Mao, Qi, et autres
Publié: (2025)
UniQA: Unified Vision-Language Pre-training for Image Quality and Aesthetic Assessment
par: Zhou, Hantao, et autres
Publié: (2024)
par: Zhou, Hantao, et autres
Publié: (2024)
Long-Context Autoregressive Video Modeling with Next-Frame Prediction
par: Gu, Yuchao, et autres
Publié: (2025)
par: Gu, Yuchao, et autres
Publié: (2025)
UniVideo: Unified Understanding, Generation, and Editing for Videos
par: Wei, Cong, et autres
Publié: (2025)
par: Wei, Cong, et autres
Publié: (2025)
EditTransfer++: Toward Faithful and Efficient Visual-Prompt-Guided Image Editing
par: Chen, Lan, et autres
Publié: (2026)
par: Chen, Lan, et autres
Publié: (2026)
Uni-Mlip: Unified Self-supervision for Medical Vision Language Pre-training
par: Bawazir, Ameera, et autres
Publié: (2024)
par: Bawazir, Ameera, et autres
Publié: (2024)
MedUnifier: Unifying Vision-and-Language Pre-training on Medical Data with Vision Generation Task using Discrete Visual Representations
par: Zhang, Ziyang, et autres
Publié: (2025)
par: Zhang, Ziyang, et autres
Publié: (2025)
UniCompress: Token Compression for Unified Vision-Language Understanding and Generation
par: Wang, Ziyao, et autres
Publié: (2026)
par: Wang, Ziyao, et autres
Publié: (2026)
StarVid: Enhancing Semantic Alignment in Video Diffusion Models via Spatial and SynTactic Guided Attention Refocusing
par: Li, Yuanhang, et autres
Publié: (2024)
par: Li, Yuanhang, et autres
Publié: (2024)
UniRS: Unifying Multi-temporal Remote Sensing Tasks through Vision Language Models
par: Li, Yujie, et autres
Publié: (2024)
par: Li, Yujie, et autres
Publié: (2024)
Uni-Edit: Intelligent Editing Is A General Task For Unified Model Tuning
par: Zheng, Dian, et autres
Publié: (2026)
par: Zheng, Dian, et autres
Publié: (2026)
UniVBench: Towards Unified Evaluation for Video Foundation Models
par: Wei, Jianhui, et autres
Publié: (2026)
par: Wei, Jianhui, et autres
Publié: (2026)
HarmoVid: Relightful Video Portrait Harmonization
par: Choi, Jun Myeong, et autres
Publié: (2026)
par: Choi, Jun Myeong, et autres
Publié: (2026)
OmniVid: A Generative Framework for Universal Video Understanding
par: Wang, Junke, et autres
Publié: (2024)
par: Wang, Junke, et autres
Publié: (2024)
UniGeo: Taming Video Diffusion for Unified Consistent Geometry Estimation
par: Sun, Yang-Tian, et autres
Publié: (2025)
par: Sun, Yang-Tian, et autres
Publié: (2025)
Continual Forgetting for Pre-trained Vision Models
par: Zhao, Hongbo, et autres
Publié: (2024)
par: Zhao, Hongbo, et autres
Publié: (2024)
UniAVGen: Unified Audio and Video Generation with Asymmetric Cross-Modal Interactions
par: Zhang, Guozhen, et autres
Publié: (2025)
par: Zhang, Guozhen, et autres
Publié: (2025)
VidCompress: Memory-Enhanced Temporal Compression for Video Understanding in Large Language Models
par: Lan, Xiaohan, et autres
Publié: (2024)
par: Lan, Xiaohan, et autres
Publié: (2024)
Revisiting Continual Semantic Segmentation with Pre-trained Vision Models
par: Zhang, Duzhen, et autres
Publié: (2025)
par: Zhang, Duzhen, et autres
Publié: (2025)
UniVerse-1: Unified Audio-Video Generation via Stitching of Experts
par: Wang, Duomin, et autres
Publié: (2025)
par: Wang, Duomin, et autres
Publié: (2025)
EvoVid: Temporal-Centric Self-Evolution for Video Large Language Models
par: Huang, Shiqi, et autres
Publié: (2026)
par: Huang, Shiqi, et autres
Publié: (2026)
UniPre3D: Unified Pre-training of 3D Point Cloud Models with Cross-Modal Gaussian Splatting
par: Wang, Ziyi, et autres
Publié: (2025)
par: Wang, Ziyi, et autres
Publié: (2025)
NaVid: Video-based VLM Plans the Next Step for Vision-and-Language Navigation
par: Zhang, Jiazhao, et autres
Publié: (2024)
par: Zhang, Jiazhao, et autres
Publié: (2024)
Vid2Coach: Transforming How-To Videos into Task Assistants
par: Huh, Mina, et autres
Publié: (2025)
par: Huh, Mina, et autres
Publié: (2025)
DynaVid: Learning to Generate Highly Dynamic Videos using Synthetic Motion Data
par: Jin, Wonjoon, et autres
Publié: (2026)
par: Jin, Wonjoon, et autres
Publié: (2026)
UniPaint: Unified Space-time Video Inpainting via Mixture-of-Experts
par: Wan, Zhen, et autres
Publié: (2024)
par: Wan, Zhen, et autres
Publié: (2024)
AutoTVG: A New Vision-language Pre-training Paradigm for Temporal Video Grounding
par: Zhang, Xing, et autres
Publié: (2024)
par: Zhang, Xing, et autres
Publié: (2024)
EmoVid: A Multimodal Emotion Video Dataset for Emotion-Centric Video Understanding and Generation
par: Qiu, Zongyang, et autres
Publié: (2025)
par: Qiu, Zongyang, et autres
Publié: (2025)
Uni-MuMER: Unified Multi-Task Fine-Tuning of Vision-Language Model for Handwritten Mathematical Expression Recognition
par: Li, Yu, et autres
Publié: (2025)
par: Li, Yu, et autres
Publié: (2025)
TTA-Vid: Generalized Test-Time Adaptation for Video Reasoning
par: Jahagirdar, Soumya Shamarao, et autres
Publié: (2026)
par: Jahagirdar, Soumya Shamarao, et autres
Publié: (2026)
OpenHumanVid: A Large-Scale High-Quality Dataset for Enhancing Human-Centric Video Generation
par: Li, Hui, et autres
Publié: (2024)
par: Li, Hui, et autres
Publié: (2024)
LLaDA2.0-Uni: Unifying Multimodal Understanding and Generation with Diffusion Large Language Model
par: AI, Inclusion, et autres
Publié: (2026)
par: AI, Inclusion, et autres
Publié: (2026)
Ming-UniVision: Joint Image Understanding and Generation with a Unified Continuous Tokenizer
par: Huang, Ziyuan, et autres
Publié: (2025)
par: Huang, Ziyuan, et autres
Publié: (2025)
Learning to Rank Pre-trained Vision-Language Models for Downstream Tasks
par: Ding, Yuhe, et autres
Publié: (2024)
par: Ding, Yuhe, et autres
Publié: (2024)
UniScene: Multi-Camera Unified Pre-training via 3D Scene Reconstruction for Autonomous Driving
par: Min, Chen, et autres
Publié: (2023)
par: Min, Chen, et autres
Publié: (2023)
Documents similaires
-
UniVid: The Open-Source Unified Video Model
par: Luo, Jiabin, et autres
Publié: (2025) -
UniVid: Pyramid Diffusion Model for High Quality Video Generation
par: Xiao, Xinyu, et autres
Publié: (2026) -
Uni-NaVid: A Video-based Vision-Language-Action Model for Unifying Embodied Navigation Tasks
par: Zhang, Jiazhao, et autres
Publié: (2024) -
Edit Transfer: Learning Image Editing via Vision In-Context Relations
par: Chen, Lan, et autres
Publié: (2025) -
UniVidX: A Unified Multimodal Framework for Versatile Video Generation via Diffusion Priors
par: Chen, Houyuan, et autres
Publié: (2026)