Copertina

UnityVideo: Unified Multi-Modal Multi-Task Learning for Enhancing World-Aware Video Generation

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Huang, Jiehui, Zhang, Yuechen, He, Xu, Gao, Yuan, Cen, Zhi, Xia, Bin, Zhou, Yan, Tao, Xin, Wan, Pengfei, Jia, Jiaya
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

Training-Free Efficient Video Generation via Dynamic Token Carving
di: Zhang, Yuechen, et al.
Pubblicazione: (2025)

MagicMirror: ID-Preserved Video Generation in Video Diffusion Transformers
di: Zhang, Yuechen, et al.
Pubblicazione: (2025)

Prompt Highlighter: Interactive Control for Multi-Modal LLMs
di: Zhang, Yuechen, et al.
Pubblicazione: (2023)

DreamVE: Unified Instruction-based Image and Video Editing
di: Xia, Bin, et al.
Pubblicazione: (2025)

GRADEO: Towards Human-Like Evaluation for Text-to-Video Generation via Multi-Step Reasoning
di: Mou, Zhun, et al.
Pubblicazione: (2025)

UniMMVSR: A Unified Multi-Modal Framework for Cascaded Video Super-Resolution
di: Du, Shian, et al.
Pubblicazione: (2025)

MTV-Inpaint: Multi-Task Long Video Inpainting
di: Yang, Shiyuan, et al.
Pubblicazione: (2025)

DreamOmni: Unified Image Generation and Editing
di: Xia, Bin, et al.
Pubblicazione: (2024)

ControlNeXt: Powerful and Efficient Control for Image and Video Generation
di: Peng, Bohao, et al.
Pubblicazione: (2024)

MVPBench: A Multi-Video Perception Evaluation Benchmark for Multi-Modal Video Understanding
di: Bai, Purui, et al.
Pubblicazione: (2026)

Owl-1: Omni World Model for Consistent Long Video Generation
di: Huang, Yuanhui, et al.
Pubblicazione: (2024)

Enhancing Lip Reading with Multi-Scale Video and Multi-Encoder
di: Wang, He, et al.
Pubblicazione: (2024)

LayerT2V: A Unified Multi-Layer Video Generation Framework
di: Li, Guangzhao, et al.
Pubblicazione: (2025)

Towards Multi-Task Multi-Modal Models: A Video Generative Perspective
di: Yu, Lijun
Pubblicazione: (2024)

VideoTetris: Towards Compositional Text-to-Video Generation
di: Tian, Ye, et al.
Pubblicazione: (2024)

MoTCoder: Elevating Large Language Models with Modular of Thought for Challenging Programming Tasks
di: Li, Jingyao, et al.
Pubblicazione: (2023)

Apollo: Unified Multi-Task Audio-Video Joint Generation
di: Wang, Jun, et al.
Pubblicazione: (2026)

MMControl: Unified Multi-Modal Control for Joint Audio-Video Generation
di: Li, Liyang, et al.
Pubblicazione: (2026)

Mini-Gemini: Mining the Potential of Multi-modality Vision Language Models
di: Li, Yanwei, et al.
Pubblicazione: (2024)

FullDiT: Multi-Task Video Generative Foundation Model with Full Attention
di: Ju, Xuan, et al.
Pubblicazione: (2025)

UNIAA: A Unified Multi-modal Image Aesthetic Assessment Baseline and Benchmark
di: Zhou, Zhaokun, et al.
Pubblicazione: (2024)

Motion-Aware Video Frame Interpolation
di: Han, Pengfei, et al.
Pubblicazione: (2024)

Mining Multi-Modality Spatio-Temporal Cues for Video Important Person Identification
di: Wang, Xiao, et al.
Pubblicazione: (2026)

UniVideo: Unified Understanding, Generation, and Editing for Videos
di: Wei, Cong, et al.
Pubblicazione: (2025)

Geometry-Aware Implicit Memory for Video World Models
di: Wei, Zhengxuan, et al.
Pubblicazione: (2026)

MUVR: A Multi-Modal Untrimmed Video Retrieval Benchmark with Multi-Level Visual Correspondence
di: Feng, Yue, et al.
Pubblicazione: (2025)

SynCamMaster: Synchronizing Multi-Camera Video Generation from Diverse Viewpoints
di: Bai, Jianhong, et al.
Pubblicazione: (2024)

LLMGA: Multimodal Large Language Model based Generation Assistant
di: Xia, Bin, et al.
Pubblicazione: (2023)

Analytic Score Optimization for Multi Dimension Video Quality Assessment
di: Lin, Boda, et al.
Pubblicazione: (2026)

MultiShotMaster: A Controllable Multi-Shot Video Generation Framework
di: Wang, Qinghe, et al.
Pubblicazione: (2025)

UNIC: Unified In-Context Video Editing
di: Ye, Zixuan, et al.
Pubblicazione: (2025)

MultiCOIN: Multi-Modal COntrollable Video INbetweening
di: Tanveer, Maham, et al.
Pubblicazione: (2025)

BadVideo: Stealthy Backdoor Attack against Text-to-Video Generation
di: Wang, Ruotong, et al.
Pubblicazione: (2025)

IPFormer-VideoLLM: Enhancing Multi-modal Video Understanding for Multi-shot Scenes
di: Liang, Yujia, et al.
Pubblicazione: (2025)

FFAA: Multimodal Large Language Model based Explainable Open-World Face Forgery Analysis Assistant
di: Huang, Zhengchao, et al.
Pubblicazione: (2024)

Unified Open-World Segmentation with Multi-Modal Prompts
di: Liu, Yang, et al.
Pubblicazione: (2025)

AMOSL: Adaptive Modality-wise Structure Learning in Multi-view Graph Neural Networks For Enhanced Unified Representation
di: Liang, Peiyu, et al.
Pubblicazione: (2024)

Video-As-Prompt: Unified Semantic Control for Video Generation
di: Bian, Yuxuan, et al.
Pubblicazione: (2025)

3DTrajMaster: Mastering 3D Trajectory for Multi-Entity Motion in Video Generation
di: Fu, Xiao, et al.
Pubblicazione: (2024)

PhysMaster: Mastering Physical Representation for Video Generation via Reinforcement Learning
di: Ji, Sihui, et al.
Pubblicazione: (2025)