Copertina

Uniform Discrete Diffusion with Metric Path for Video Generation

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Deng, Haoge, Pan, Ting, Zhang, Fan, Liu, Yang, Luo, Zhuoyan, Cui, Yufeng, Wang, Wenxuan, Shen, Chunhua, Shan, Shiguang, Zhang, Zhaoxiang, Wang, Xinlong
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

Autoregressive Video Generation without Vector Quantization
di: Deng, Haoge, et al.
Pubblicazione: (2024)

UDM-GRPO: Stable and Efficient Group Relative Policy Optimization for Uniform Discrete Diffusion Models
di: Wang, Jiaqi, et al.
Pubblicazione: (2026)

EVEv2: Improved Baselines for Encoder-Free Vision-Language Models
di: Diao, Haiwen, et al.
Pubblicazione: (2025)

End-to-End Vision Tokenizer Tuning
di: Wang, Wenxuan, et al.
Pubblicazione: (2025)

LINA: Linear Autoregressive Image Generative Models with Continuous Tokens
di: Wang, Jiahao, et al.
Pubblicazione: (2026)

Tokenize Anything via Prompting
di: Pan, Ting, et al.
Pubblicazione: (2023)

Emu3.5: Native Multimodal Models are World Learners
di: Cui, Yufeng, et al.
Pubblicazione: (2025)

You See it, You Got it: Learning 3D Creation on Pose-Free Videos at Scale
di: Ma, Baorui, et al.
Pubblicazione: (2024)

CI-VID: A Coherent Interleaved Text-Video Dataset
di: Ju, Yiming, et al.
Pubblicazione: (2025)

Diffusion Feedback Helps CLIP See Better
di: Wang, Wenxuan, et al.
Pubblicazione: (2024)

Zero-Shot Video Editing Using Off-The-Shelf Image Diffusion Models
di: Wang, Wen, et al.
Pubblicazione: (2023)

Dynamic Attention Analysis for Backdoor Detection in Text-to-Image Diffusion Models
di: Wang, Zhongqi, et al.
Pubblicazione: (2025)

T2IShield: Defending Against Backdoors on Text-to-Image Diffusion Models
di: Wang, Zhongqi, et al.
Pubblicazione: (2024)

Unified Vision-Language-Action Model
di: Wang, Yuqi, et al.
Pubblicazione: (2025)

Trigger without Trace: Towards Stealthy Backdoor Attack on Text-to-Image Diffusion Models
di: Zhang, Jie, et al.
Pubblicazione: (2025)

Geo-Align: Video Generation Alignment via Metric Geometry Reward
di: Li, Zizun, et al.
Pubblicazione: (2026)

EVA-CLIP-18B: Scaling CLIP to 18 Billion Parameters
di: Sun, Quan, et al.
Pubblicazione: (2024)

Generalized Face Liveness Detection via De-fake Face Generator
di: Long, Xingming, et al.
Pubblicazione: (2024)

T2VAttack: Adversarial Attack on Text-to-Video Diffusion Models
di: Li, Changzhen, et al.
Pubblicazione: (2025)

LeMiCa: Lexicographic Minimax Path Caching for Efficient Diffusion-Based Video Generation
di: Gao, Huanlin, et al.
Pubblicazione: (2025)

Generative Multimodal Models are In-Context Learners
di: Sun, Quan, et al.
Pubblicazione: (2023)

Unleashing the Potential of the Diffusion Model in Few-shot Semantic Segmentation
di: Zhu, Muzhi, et al.
Pubblicazione: (2024)

Anonymization Prompt Learning for Facial Privacy-Preserving Text-to-Image Generation
di: Shi, Liang, et al.
Pubblicazione: (2024)

Design-based Estimation Theory for Complex Experiments
di: Chang, Haoge
Pubblicazione: (2023)

Emu: Generative Pretraining in Multimodality
di: Sun, Quan, et al.
Pubblicazione: (2023)

BIMM: Brain Inspired Masked Modeling for Video Representation Learning
di: Wan, Zhifan, et al.
Pubblicazione: (2024)

MotionVerse: A Unified Multimodal Framework for Motion Comprehension, Generation and Editing
di: Hou, Ruibing, et al.
Pubblicazione: (2025)

Optimizing for the Shortest Path in Denoising Diffusion Model
di: Chen, Ping, et al.
Pubblicazione: (2025)

Computer-Aided Design Generation by Cascaded Discrete Diffusion Model
di: Pan, Honghu, et al.
Pubblicazione: (2026)

EfficientMT: Efficient Temporal Adaptation for Motion Transfer in Text-to-Video Diffusion Models
di: Cai, Yufei, et al.
Pubblicazione: (2025)

Segment Anything for Videos: A Systematic Survey
di: Zhang, Chunhui, et al.
Pubblicazione: (2024)

Open-MAGVIT2: An Open-Source Project Toward Democratizing Auto-regressive Visual Generation
di: Luo, Zhuoyan, et al.
Pubblicazione: (2024)

Generalized Discrete Diffusion with Self-Correction
di: Wang, Linxuan, et al.
Pubblicazione: (2026)

CapsFusion: Rethinking Image-Text Data at Scale
di: Yu, Qiying, et al.
Pubblicazione: (2023)

LensWalk: Agentic Video Understanding by Planning How You See in Videos
di: Li, Keliang, et al.
Pubblicazione: (2026)

Assimilation Matters: Model-level Backdoor Detection in Vision-Language Pretrained Models
di: Wang, Zhongqi, et al.
Pubblicazione: (2025)

Pre-trained Model Guided Fine-Tuning for Zero-Shot Adversarial Robustness
di: Wang, Sibo, et al.
Pubblicazione: (2024)

INFACT: A Diagnostic Benchmark for Induced Faithfulness and Factuality Hallucinations in Video-LLMs
di: Yang, Junqi, et al.
Pubblicazione: (2026)

Confidence Aware Learning for Reliable Face Anti-spoofing
di: Long, Xingming, et al.
Pubblicazione: (2024)

Revisiting Backdoor Attacks on Time Series Classification in the Frequency Domain
di: Huang, Yuanmin, et al.
Pubblicazione: (2025)