Buchumschlag

Multivariate Diffusion Transformer with Decoupled Attention for High-Fidelity Mask-Text Collaborative Facial Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cao, Yushe, Shi, Dianxi, Fu, Xing, Zou, Xuechao, Peng, Haikuo, Li, Xueqi, Yu, Chun, Xing, Junliang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Mixture of Global and Local Experts with Diffusion Transformer for Controllable Face Generation
von: Zou, Xuechao, et al.
Veröffentlicht: (2025)

High-Fidelity Lake Extraction via Two-Stage Prompt Enhancement: Establishing a Novel Baseline and Benchmark
von: Chen, Ben, et al.
Veröffentlicht: (2023)

A Parallel Attention Network for Cattle Face Recognition
von: Li, Jiayu, et al.
Veröffentlicht: (2024)

UV-Mamba: A DCN-Enhanced State Space Model for Urban Village Boundary Identification in High-Resolution Remote Sensing Images
von: Li, Lulin, et al.
Veröffentlicht: (2024)

LEFormer: A Hybrid CNN-Transformer Architecture for Accurate Lake Extraction from Remote Sensing Imagery
von: Chen, Ben, et al.
Veröffentlicht: (2023)

ARFA: An Asymmetric Receptive Field Autoencoder Model for Spatiotemporal Prediction
von: Zhang, Wenxuan, et al.
Veröffentlicht: (2023)

Hierarchical Fusion of Local and Global Visual Features with Mixture-of-Experts for Remote Sensing Image Scene Classification
von: Tang, Yuanhao, et al.
Veröffentlicht: (2025)

DeCoDe: Defer-and-Complement Decision-Making via Decoupled Concept Bottleneck Models
von: He, Chengbo, et al.
Veröffentlicht: (2025)

MDiffFR: Modality-Guided Diffusion Generation for Cold-start Items in Federated Recommendation
von: Fu, Kang, et al.
Veröffentlicht: (2025)

CEIDM: A Controlled Entity and Interaction Diffusion Model for Enhanced Text-to-Image Generation
von: Yang, Mingyue, et al.
Veröffentlicht: (2025)

Omni-Diffusion: Unified Multimodal Understanding and Generation with Masked Discrete Diffusion
von: Li, Lijiang, et al.
Veröffentlicht: (2026)

Adapting Vision Foundation Models for Robust Cloud Segmentation in Remote Sensing Images
von: Zou, Xuechao, et al.
Veröffentlicht: (2024)

Dynamic Dictionary Learning for Remote Sensing Image Segmentation
von: Zou, Xuechao, et al.
Veröffentlicht: (2025)

UNCAGE: Contrastive Attention Guidance for Masked Generative Transformers in Text-to-Image Generation
von: Kang, Wonjun, et al.
Veröffentlicht: (2025)

Enhancing LLM Reasoning with Multi-Path Collaborative Reactive and Reflection agents
von: He, Chengbo, et al.
Veröffentlicht: (2024)

Masked Diffusion Generative Recommendation
von: Mu, Lingyu, et al.
Veröffentlicht: (2026)

CA-Edit: Causality-Aware Condition Adapter for High-Fidelity Local Facial Attribute Editing
von: Xian, Xiaole, et al.
Veröffentlicht: (2024)

High-Fidelity Relightable Monocular Portrait Animation with Lighting-Controllable Video Diffusion Model
von: Guo, Mingtao, et al.
Veröffentlicht: (2025)

Face-MakeUp: Multimodal Facial Prompts for Text-to-Image Generation
von: Dai, Dawei, et al.
Veröffentlicht: (2025)

FundusGAN: A Hierarchical Feature-Aware Generative Framework for High-Fidelity Fundus Image Generation
von: Hou, Qingshan, et al.
Veröffentlicht: (2025)

High-Fidelity Diffusion Face Swapping with ID-Constrained Facial Conditioning
von: He, Dailan, et al.
Veröffentlicht: (2025)

Nonlinear Optical Second Harmonic Generation Characteristics in Cylindrical GaAs/Ga1–ηAlηAs Quantum Dots
von: Xiaolong Yan, et al.
Veröffentlicht: (2024)

Domain Adaptive Attention Learning for Unsupervised Person Re-Identification
von: Huang, Yangru, et al.
Veröffentlicht: (2019)

MagDiff: Multi-Alignment Diffusion for High-Fidelity Video Generation and Editing
von: Zhao, Haoyu, et al.
Veröffentlicht: (2023)

GPTFace: Generative Pre-training of Facial-Linguistic Transformer by Span Masking and Weakly Correlated Text-image Data
von: Li, Yudong, et al.
Veröffentlicht: (2025)

Text-Conditioned Diffusion Model for High-Fidelity Korean Font Generation
von: Sami, Abdul, et al.
Veröffentlicht: (2025)

Navigating Large-Pose Challenge for High-Fidelity Face Reenactment with Video Diffusion Model
von: Guo, Mingtao, et al.
Veröffentlicht: (2025)

PACT: Proactive Asking for Continual Task Assistance in Human-Robot Collaboration
von: He, Chengbo, et al.
Veröffentlicht: (2026)

AudioGAN: A Compact and Efficient Framework for Real-Time High-Fidelity Text-to-Audio Generation
von: Chung, HaeChun
Veröffentlicht: (2025)

An FPGA-Based Reconfigurable Accelerator for Convolution-Transformer Hybrid EfficientViT
von: Shao, Haikuo, et al.
Veröffentlicht: (2024)

Trio-ViT: Post-Training Quantization and Acceleration for Softmax-Free Efficient Vision Transformer
von: Shi, Huihong, et al.
Veröffentlicht: (2024)

Unifying and Enhancing Graph Transformers via a Hierarchical Mask Framework
von: Xing, Yujie, et al.
Veröffentlicht: (2025)

MARPO: A Reflective Policy Optimization for Multi Agent Reinforcement Learning
von: Wu, Cuiling, et al.
Veröffentlicht: (2025)

LaMamba-Diff: Linear-Time High-Fidelity Diffusion Models Based on Local Attention and Mamba
von: Fu, Yunxiang, et al.
Veröffentlicht: (2024)

From Text to Mask: Localizing Entities Using the Attention of Text-to-Image Diffusion Models
von: Xiao, Changming, et al.
Veröffentlicht: (2023)

FreEformer: Frequency Enhanced Transformer for Multivariate Time Series Forecasting
von: Yue, Wenzhen, et al.
Veröffentlicht: (2025)

Emotic Masked Autoencoder with Attention Fusion for Facial Expression Recognition
von: Nguyen-Xuan, Bach, et al.
Veröffentlicht: (2024)

Multivariate Fidelities
von: Nuradha, Theshani, et al.
Veröffentlicht: (2024)

High-Fidelity and Long-Duration Human Image Animation with Diffusion Transformer
von: Zheng, Shen, et al.
Veröffentlicht: (2025)

FD2Talk: Towards Generalized Talking Head Generation with Facial Decoupled Diffusion Model
von: Yao, Ziyu, et al.
Veröffentlicht: (2024)