Buchumschlag

Step by Step Network

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Han, Dongchen, Ye, Tianzhu, Xia, Zhuofan, Chen, Kaiyi, Wang, Yulin, Chen, Hanting, Huang, Gao
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Agent Attention: On the Integration of Softmax and Linear Attention
von: Han, Dongchen, et al.
Veröffentlicht: (2023)

Efficient Diffusion Transformer with Step-wise Dynamic Attention Mediators
von: Pu, Yifan, et al.
Veröffentlicht: (2024)

GSVA: Generalized Segmentation via Multimodal Large Language Models
von: Xia, Zhuofan, et al.
Veröffentlicht: (2023)

Bridging the Divide: Reconsidering Softmax and Linear Attention
von: Han, Dongchen, et al.
Veröffentlicht: (2024)

One Step Diffusion-based Super-Resolution with Time-Aware Distillation
von: He, Xiao, et al.
Veröffentlicht: (2024)

Demystify Mamba in Vision: A Linear Attention Perspective
von: Han, Dongchen, et al.
Veröffentlicht: (2024)

STEVE Series: Step-by-Step Construction of Agent Systems in Minecraft
von: Zhao, Zhonghan, et al.
Veröffentlicht: (2024)

Linear-Time Global Visual Modeling without Explicit Attention
von: He, Ruize, et al.
Veröffentlicht: (2026)

OpenSeg-R: Improving Open-Vocabulary Segmentation via Step-by-Step Visual Reasoning
von: Han, Zongyan, et al.
Veröffentlicht: (2025)

Vision Transformers are Circulant Attention Learners
von: Han, Dongchen, et al.
Veröffentlicht: (2025)

One Step Learning, One Step Review
von: Huang, Xiaolong, et al.
Veröffentlicht: (2024)

Frequency Domain Modality-invariant Feature Learning for Visible-infrared Person Re-Identification
von: Li, Yulin, et al.
Veröffentlicht: (2024)

Denoising Diffusion Step-aware Models
von: Yang, Shuai, et al.
Veröffentlicht: (2023)

Linear Differential Vision Transformer: Learning Visual Contrasts via Pairwise Differentials
von: Pu, Yifan, et al.
Veröffentlicht: (2025)

Few-Step Distillation for Text-to-Image Generation: A Practical Guide
von: Pu, Yifan, et al.
Veröffentlicht: (2025)

Step-GUI Technical Report
von: Yan, Haolong, et al.
Veröffentlicht: (2025)

Training an Open-Vocabulary Monocular 3D Object Detection Model without 3D Data
von: Huang, Rui, et al.
Veröffentlicht: (2024)

Unveiling Chain of Step Reasoning for Vision-Language Models with Fine-grained Rewards
von: Chen, Honghao, et al.
Veröffentlicht: (2025)

Know Your Step: Faster and Better Alignment for Flow Matching Models via Step-aware Advantages
von: Yue, Zhixiong, et al.
Veröffentlicht: (2026)

Self-Adversarial One Step Generation via Condition Shifting
von: Liu, Deyuan, et al.
Veröffentlicht: (2026)

VividFace: High-Quality and Efficient One-Step Diffusion For Video Face Enhancement
von: Zhang, Shulian, et al.
Veröffentlicht: (2025)

Aligning Step-by-Step Instructional Diagrams to Video Demonstrations
von: Zhang, Jiahao, et al.
Veröffentlicht: (2023)

Accelerating Diffusion Decoders via Multi-Scale Sampling and One-Step Distillation
von: Wang, Chuhan, et al.
Veröffentlicht: (2026)

A Step to Decouple Optimization in 3DGS
von: Ding, Renjie, et al.
Veröffentlicht: (2026)

RecipeGen: A Step-Aligned Multimodal Benchmark for Real-World Recipe Generation
von: Zhang, Ruoxuan, et al.
Veröffentlicht: (2025)

One-Step Diffusion Model for Image Motion-Deblurring
von: Liu, Xiaoyang, et al.
Veröffentlicht: (2025)

$π$-StepNFT: Wider Space Needs Finer Steps in Online RL for Flow-based VLAs
von: Wang, Siting, et al.
Veröffentlicht: (2026)

StepAL: Step-aware Active Learning for Cataract Surgical Videos
von: Shah, Nisarg A., et al.
Veröffentlicht: (2025)

ShowHowTo: Generating Scene-Conditioned Step-by-Step Visual Instructions
von: Souček, Tomáš, et al.
Veröffentlicht: (2024)

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

DUO-VSR: Dual-Stream Distillation for One-Step Video Super-Resolution
von: Lv, Zhengyao, et al.
Veröffentlicht: (2026)

Stepping VLMs onto the Court: Benchmarking Spatial Intelligence in Sports
von: Yang, Yuchen, et al.
Veröffentlicht: (2026)

One-Step Event-Driven High-Speed Autofocus
von: Bao, Yuhan, et al.
Veröffentlicht: (2025)

OSDFace: One-Step Diffusion Model for Face Restoration
von: Wang, Jingkai, et al.
Veröffentlicht: (2024)

FreeControl: Efficient, Training-Free Structural Control via One-Step Attention Extraction
von: Lin, Jiang, et al.
Veröffentlicht: (2025)

Bridging Fidelity-Reality with Controllable One-Step Diffusion for Image Super-Resolution
von: Chen, Hao, et al.
Veröffentlicht: (2025)

DirectEdit: Step-Level Accurate Inversion for Flow-Based Image Editing
von: Yang, Desong, et al.
Veröffentlicht: (2026)

An End-to-End Robust Point Cloud Semantic Segmentation Network with Single-Step Conditional Diffusion Models
von: Qu, Wentao, et al.
Veröffentlicht: (2024)

Can Multi-Modal LLMs Provide Live Step-by-Step Task Guidance?
von: Bhattacharyya, Apratim, et al.
Veröffentlicht: (2025)

Step Saver: Predicting Minimum Denoising Steps for Diffusion Model Image Generation
von: Yu, Jean, et al.
Veröffentlicht: (2024)