Buchumschlag

Text-Guided Semantic Image Encoder

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Thirukovalluru, Raghuveer, Han, Xiaochuang, Dhingra, Bhuwan, Dinan, Emily, Elbayad, Maha
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

GenEOL: Harnessing the Generative Power of LLMs for Training-Free Sentence Embeddings
von: Thirukovalluru, Raghuveer, et al.
Veröffentlicht: (2024)

LDDR: Linear-DPP-Based Dynamic-Resolution Frame Sampling for Video MLLMs
von: Chen, Jingfeng, et al.
Veröffentlicht: (2026)

Breaking the Batch Barrier (B3) of Contrastive Learning via Smart Batch Mining
von: Thirukovalluru, Raghuveer, et al.
Veröffentlicht: (2025)

Atomic Self-Consistency for Better Long Form Generations
von: Thirukovalluru, Raghuveer, et al.
Veröffentlicht: (2024)

Unified Text-Image Generation with Weakness-Targeted Post-Training
von: Chen, Jiahui, et al.
Veröffentlicht: (2026)

Vision2Code: A Multi-Domain Benchmark for Evaluating Image-to-Code Generation
von: Periasami, Ajay Vikram, et al.
Veröffentlicht: (2026)

VUGEN: Visual Understanding priors for GENeration
von: Chen, Xiangyi, et al.
Veröffentlicht: (2025)

Document-as-Image Representations Fall Short for Scientific Retrieval
von: Khalighinejad, Ghazal, et al.
Veröffentlicht: (2026)

Multimodal RewardBench 2: Evaluating Omni Reward Models for Interleaved Text and Image
von: Hu, Yushi, et al.
Veröffentlicht: (2025)

InData: Towards Secure Multi-Step, Tool-Based Data Analysis
von: K, Karthikeyan, et al.
Veröffentlicht: (2025)

MADFormer: Mixed Autoregressive and Diffusion Transformers for Continuous Image Generation
von: Chen, Junhao, et al.
Veröffentlicht: (2025)

TAMISeg: Text-Aligned Multi-scale Medical Image Segmentation with Semantic Encoder Distillation
von: Gao, Qiang, et al.
Veröffentlicht: (2026)

TV2TV: A Unified Framework for Interleaved Language and Video Generation
von: Han, Xiaochuang, et al.
Veröffentlicht: (2025)

Atomic Consistency Preference Optimization for Long-Form Question Answering
von: Chen, Jingfeng, et al.
Veröffentlicht: (2025)

UNIT: Unifying Image and Text Recognition in One Vision Encoder
von: Zhu, Yi, et al.
Veröffentlicht: (2024)

Both Semantics and Reconstruction Matter: Making Representation Encoders Ready for Text-to-Image Generation and Editing
von: Zhang, Shilong, et al.
Veröffentlicht: (2025)

S$^2$Edit: Text-Guided Image Editing with Precise Semantic and Spatial Control
von: Liu, Xudong, et al.
Veröffentlicht: (2025)

TextBoost: Boosting Text Encoder for Personalized Text-to-Image Generation
von: Park, NaHyeon, et al.
Veröffentlicht: (2024)

Calibrating Long-form Generations from Large Language Models
von: Huang, Yukun, et al.
Veröffentlicht: (2024)

Scaling Down Text Encoders of Text-to-Image Diffusion Models
von: Wang, Lifu, et al.
Veröffentlicht: (2025)

Language-Image Alignment with Fixed Text Encoders
von: Yang, Jingfeng, et al.
Veröffentlicht: (2025)

Exploiting the Semantic Knowledge of Pre-trained Text-Encoders for Continual Learning
von: Yu, Lu, et al.
Veröffentlicht: (2024)

GrOCE:Graph-Guided Online Concept Erasure for Text-to-Image Diffusion Models
von: Han, Ning, et al.
Veröffentlicht: (2025)

JPEG-LM: LLMs as Image Generators with Canonical Codec Representations
von: Han, Xiaochuang, et al.
Veröffentlicht: (2024)

Instructing Text-to-Image Diffusion Models via Classifier-Guided Semantic Optimization
von: Chang, Yuanyuan, et al.
Veröffentlicht: (2025)

LensVLM: Selective Context Expansion for Compressed Visual Representation of Text
von: Xie, Roy, et al.
Veröffentlicht: (2026)

Text-IF: Leveraging Semantic Text Guidance for Degradation-Aware and Interactive Image Fusion
von: Yi, Xunpeng, et al.
Veröffentlicht: (2024)

LCM-Lookahead for Encoder-based Text-to-Image Personalization
von: Gal, Rinon, et al.
Veröffentlicht: (2024)

Think-Then-Generate: Reasoning-Aware Text-to-Image Diffusion with LLM Encoders
von: Kou, Siqi, et al.
Veröffentlicht: (2026)

Exploring Text-Guided Single Image Editing for Remote Sensing Images
von: Han, Fangzhou, et al.
Veröffentlicht: (2024)

CDPDNet: Integrating Text Guidance with Hybrid Vision Encoders for Medical Image Segmentation
von: Wu, Jiong, et al.
Veröffentlicht: (2025)

Text Is MASS: Modeling as Stochastic Embedding for Text-Video Retrieval
von: Wang, Jiamian, et al.
Veröffentlicht: (2024)

Multi-Text Guided Few-Shot Semantic Segmentation
von: Jiao, Qiang, et al.
Veröffentlicht: (2025)

AlignVid: Training-Free Attention Scaling for Semantic Fidelity in Text-Guided Image-to-Video Generation
von: Liu, Yexin, et al.
Veröffentlicht: (2025)

Image-Text Co-Decomposition for Text-Supervised Semantic Segmentation
von: Wu, Ji-Jia, et al.
Veröffentlicht: (2024)

How to Make Cross Encoder a Good Teacher for Efficient Image-Text Retrieval?
von: Chen, Yuxin, et al.
Veröffentlicht: (2024)

Towards Generalized and Training-Free Text-Guided Semantic Manipulation
von: Hong, Yu, et al.
Veröffentlicht: (2025)

Reading, Not Thinking: Understanding and Bridging the Modality Gap When Text Becomes Pixels in Multimodal LLMs
von: Sun, Kaiser, et al.
Veröffentlicht: (2026)

New Encoder Learning for Captioning Heavy Rain Images via Semantic Visual Feature Matching
von: Son, Chang-Hwan, et al.
Veröffentlicht: (2021)

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