Copertina

Layer-Aware Video Composition via Split-then-Merge

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Kara, Ozgur, Chen, Yujia, Yang, Ming-Hsuan, Rehg, James M., Chu, Wen-Sheng, Tran, Du
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

DiffEye: Diffusion-Based Continuous Eye-Tracking Data Generation Conditioned on Natural Images
di: Kara, Ozgur, et al.
Pubblicazione: (2025)

Immune2V: Image Immunization Against Dual-Stream Image-to-Video Generation
di: Long, Zeqian, et al.
Pubblicazione: (2026)

SEAL: Semantic Attention Learning for Long Video Representation
di: Wang, Lan, et al.
Pubblicazione: (2024)

ShotAdapter: Text-to-Multi-Shot Video Generation with Diffusion Models
di: Kara, Ozgur, et al.
Pubblicazione: (2025)

FaceCam: Portrait Video Camera Control via Scale-Aware Conditioning
di: Lyu, Weijie, et al.
Pubblicazione: (2026)

DiffVax: Optimization-Free Image Immunization Against Diffusion-Based Editing
di: Ozden, Tarik Can, et al.
Pubblicazione: (2024)

ToSA: Token Merging with Spatial Awareness
di: Huang, Hsiang-Wei, et al.
Pubblicazione: (2025)

DreamScene4D: Dynamic Multi-Object Scene Generation from Monocular Videos
di: Chu, Wen-Hsuan, et al.
Pubblicazione: (2024)

Streaming Autoregressive Video Generation via Diagonal Distillation
di: Liu, Jinxiu, et al.
Pubblicazione: (2026)

Split to Merge: Unifying Separated Modalities for Unsupervised Domain Adaptation
di: Li, Xinyao, et al.
Pubblicazione: (2024)

Leveraging Object Priors for Point Tracking
di: Boote, Bikram, et al.
Pubblicazione: (2024)

Unified Dense Prediction of Video Diffusion
di: Yang, Lehan, et al.
Pubblicazione: (2025)

Token Merging via Spatiotemporal Information Mining for Surgical Video Understanding
di: Jiang, Xixi, et al.
Pubblicazione: (2025)

How Much 3D Do Video Foundation Models Encode?
di: Huang, Zixuan, et al.
Pubblicazione: (2025)

Video-CoM: Interactive Video Reasoning via Chain of Manipulations
di: Rasheed, Hanoona, et al.
Pubblicazione: (2025)

SPAR3D: Stable Point-Aware Reconstruction of 3D Objects from Single Images
di: Huang, Zixuan, et al.
Pubblicazione: (2025)

Semantic-Aware Adaptive Visual Memory for Streaming Video Understanding
di: Wu, Hang, et al.
Pubblicazione: (2026)

From Prompt to Progression: Taming Video Diffusion Models for Seamless Attribute Transition
di: Lo, Ling, et al.
Pubblicazione: (2025)

LEGO: Learning EGOcentric Action Frame Generation via Visual Instruction Tuning
di: Lai, Bolin, et al.
Pubblicazione: (2023)

Enhancing Quantization-Aware Training on Edge Devices via Relative Entropy Coreset Selection and Cascaded Layer Correction
di: Tong, Yujia, et al.
Pubblicazione: (2025)

Tex4D: Zero-shot 4D Scene Texturing with Video Diffusion Models
di: Bao, Jingzhi, et al.
Pubblicazione: (2024)

Merging and Splitting Diffusion Paths for Semantically Coherent Panoramas
di: Quattrini, Fabio, et al.
Pubblicazione: (2024)

VideoMathQA: Benchmarking Mathematical Reasoning via Multimodal Understanding in Videos
di: Rasheed, Hanoona, et al.
Pubblicazione: (2025)

Weakly Supervised 3D Object Detection via Multi-Level Visual Guidance
di: Huang, Kuan-Chih, et al.
Pubblicazione: (2023)

VideoMerge: Towards Training-free Long Video Generation
di: Zhang, Siyang, et al.
Pubblicazione: (2025)

Unified Text-Image-to-Video Generation: A Training-Free Approach to Flexible Visual Conditioning
di: Lai, Bolin, et al.
Pubblicazione: (2025)

DynamicScaler: Seamless and Scalable Video Generation for Panoramic Scenes
di: Liu, Jinxiu, et al.
Pubblicazione: (2024)

STRIDE: When to Speak Meets Sequence Denoising for Streaming Video Understanding
di: Kim, Junho, et al.
Pubblicazione: (2026)

MambaVideo for Discrete Video Tokenization with Channel-Split Quantization
di: Argaw, Dawit Mureja, et al.
Pubblicazione: (2025)

Vinedresser3D: Agentic Text-guided 3D Editing
di: Chi, Yankuan, et al.
Pubblicazione: (2026)

In the Eye of Transformer: Global-Local Correlation for Egocentric Gaze Estimation
di: Lai, Bolin, et al.
Pubblicazione: (2022)

Symmetry Strikes Back: From Single-Image Symmetry Detection to 3D Generation
di: Li, Xiang, et al.
Pubblicazione: (2024)

Cue3D: Quantifying the Role of Image Cues in Single-Image 3D Generation
di: Li, Xiang, et al.
Pubblicazione: (2025)

Towards Affordance-Aware Articulation Synthesis for Rigged Objects
di: Yu, Yu-Chu, et al.
Pubblicazione: (2025)

One-for-All: Towards Universal Domain Translation with a Single StyleGAN
di: Du, Yong, et al.
Pubblicazione: (2023)

Teaching Prompts to Coordinate: Hierarchical Layer-Grouped Prompt Tuning for Continual Learning
di: Jiang, Shengqin, et al.
Pubblicazione: (2025)

Reasoning Resides in Layers: Restoring Temporal Reasoning in Video-Language Models with Layer-Selective Merging
di: Fu, Zihang, et al.
Pubblicazione: (2026)

VSViG: Real-time Video-based Seizure Detection via Skeleton-based Spatiotemporal ViG
di: Xu, Yankun, et al.
Pubblicazione: (2023)

IllumiCraft: Unified Geometry and Illumination Diffusion for Controllable Video Generation
di: Lin, Yuanze, et al.
Pubblicazione: (2025)

Efficient Video Object Segmentation via Modulated Cross-Attention Memory
di: Shaker, Abdelrahman, et al.
Pubblicazione: (2024)