Buchumschlag

Ovis-Image Technical Report

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Guo-Hua, Cao, Liangfu, Cui, Tianyu, Fu, Minghao, Chen, Xiaohao, Zhan, Pengxin, Zhao, Jianshan, Li, Lan, Fu, Bowen, Liu, Jiaqi, Chen, Qing-Guo
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

Ovis-U1 Technical Report
von: Wang, Guo-Hua, et al.
Veröffentlicht: (2025)

CHATS: Combining Human-Aligned Optimization and Test-Time Sampling for Text-to-Image Generation
von: Fu, Minghao, et al.
Veröffentlicht: (2025)

TeEFusion: Blending Text Embeddings to Distill Classifier-Free Guidance
von: Fu, Minghao, et al.
Veröffentlicht: (2025)

Diffusion-SDPO: Safeguarded Direct Preference Optimization for Diffusion Models
von: Fu, Minghao, et al.
Veröffentlicht: (2025)

Ovis2.5 Technical Report
von: Lu, Shiyin, et al.
Veröffentlicht: (2025)

Evaluating Image Caption via Cycle-consistent Text-to-Image Generation
von: Cui, Tianyu, et al.
Veröffentlicht: (2025)

iMedImage Technical Report
von: Wei, Ran, et al.
Veröffentlicht: (2025)

Qwen-Image Technical Report
von: Wu, Chenfei, et al.
Veröffentlicht: (2025)

EmoAttack: Emotion-to-Image Diffusion Models for Emotional Backdoor Generation
von: Wei, Tianyu, et al.
Veröffentlicht: (2024)

Unified Multimodal Understanding and Generation Models: Advances, Challenges, and Opportunities
von: Zhao, Shanshan, et al.
Veröffentlicht: (2025)

Images Speak Louder Than Scores: Failure Mode Escape for Enhancing Generative Quality
von: Shao, Jie, et al.
Veröffentlicht: (2025)

Technical Report for ActivityNet Challenge 2022 -- Temporal Action Localization
von: Chen, Shimin, et al.
Veröffentlicht: (2024)

Technical Report for SoccerNet Challenge 2022 -- Replay Grounding Task
von: Chen, Shimin, et al.
Veröffentlicht: (2024)

BooW-VTON: Boosting In-the-Wild Virtual Try-On via Mask-Free Pseudo Data Training
von: Zhang, Xuanpu, et al.
Veröffentlicht: (2024)

Ovis: Structural Embedding Alignment for Multimodal Large Language Model
von: Lu, Shiyin, et al.
Veröffentlicht: (2024)

PEMF-VTO: Point-Enhanced Video Virtual Try-on via Mask-free Paradigm
von: Chang, Tianyu, et al.
Veröffentlicht: (2024)

Qwen-Image-2.0 Technical Report
von: Zhao, Bing, et al.
Veröffentlicht: (2026)

Rectify the Regression Bias in Long-Tailed Object Detection
von: Zhu, Ke, et al.
Veröffentlicht: (2024)

Diff-CXR: Report-to-CXR generation through a disease-knowledge enhanced diffusion model
von: Huang, Peng, et al.
Veröffentlicht: (2024)

AnchorRoute: Human Motion Synthesis with Interval-Routed Sparse Contro
von: Fang, Pengcheng, et al.
Veröffentlicht: (2026)

VAP-Diffusion: Enriching Descriptions with MLLMs for Enhanced Medical Image Generation
von: Huang, Peng, et al.
Veröffentlicht: (2025)

HunyuanImage 3.0 Technical Report
von: Cao, Siyu, et al.
Veröffentlicht: (2025)

UI-Venus Technical Report: Building High-performance UI Agents with RFT
von: Gu, Zhangxuan, et al.
Veröffentlicht: (2025)

Qwen-Image-VAE-2.0 Technical Report
von: Zhang, Zekai, et al.
Veröffentlicht: (2026)

ERNIE-Image Technical Report
von: Liu, Jiaxiang, et al.
Veröffentlicht: (2026)

SEED-Data-Edit Technical Report: A Hybrid Dataset for Instructional Image Editing
von: Ge, Yuying, et al.
Veröffentlicht: (2024)

Mano Technical Report
von: Fu, Tianyu, et al.
Veröffentlicht: (2025)

LandMarkSystem Technical Report
von: Ma, Zhenxiang, et al.
Veröffentlicht: (2025)

Better Fit: Accommodate Variations in Clothing Types for Virtual Try-on
von: Song, Dan, et al.
Veröffentlicht: (2024)

UMo: Unified Sparse Motion Modeling for Real-Time Co-Speech Avatars
von: Zhan, Xiaoyu, et al.
Veröffentlicht: (2026)

Xiaomi MiMo-VL-Miloco Technical Report
von: Li, Jiaze, et al.
Veröffentlicht: (2025)

ODM: A Text-Image Further Alignment Pre-training Approach for Scene Text Detection and Spotting
von: Duan, Chen, et al.
Veröffentlicht: (2024)

Kimi-VL Technical Report
von: Kimi Team, et al.
Veröffentlicht: (2025)

StreamingClaw Technical Report
von: Chen, Jiawei, et al.
Veröffentlicht: (2026)

LongCat-Image Technical Report
von: Meituan LongCat Team, et al.
Veröffentlicht: (2025)

Minimal Interaction Separated Tuning: A New Paradigm for Visual Adaptation
von: Tang, Ningyuan, et al.
Veröffentlicht: (2024)

MASSeg : 2nd Technical Report for 4th PVUW MOSE Track
von: Cao, Xuqiang, et al.
Veröffentlicht: (2025)

Logics-Parsing Technical Report
von: Chen, Xiangyang, et al.
Veröffentlicht: (2025)

FireRed-Image-Edit-1.0 Technical Report
von: Super Intelligence Team, et al.
Veröffentlicht: (2026)

Aggregated Contextual Transformations for High-Resolution Image Inpainting
von: Zeng, Yanhong, et al.
Veröffentlicht: (2021)