Buchumschlag

RePack then Refine: Efficient Diffusion Transformer with Vision Foundation Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dong, Guanfang, Schultz, Luke, Hassanpour, Negar, Gao, Chao
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

Accelerating Inference of Networks in the Frequency Domain
von: Zhao, Chenqiu, et al.
Veröffentlicht: (2024)

ReVision: Refining Video Diffusion with Explicit 3D Motion Modeling
von: Liu, Qihao, et al.
Veröffentlicht: (2025)

Learning Temporal Distribution and Spatial Correlation Towards Universal Moving Object Segmentation
von: Dong, Guanfang, et al.
Veröffentlicht: (2023)

Qua$^2$SeDiMo: Quantifiable Quantization Sensitivity of Diffusion Models
von: Mills, Keith G., et al.
Veröffentlicht: (2024)

Frequency Regularization: Restricting Information Redundancy of Convolutional Neural Networks
von: Zhao, Chenqiu, et al.
Veröffentlicht: (2023)

Z-Image: An Efficient Image Generation Foundation Model with Single-Stream Diffusion Transformer
von: Image Team, et al.
Veröffentlicht: (2025)

Looking Locally: Object-Centric Vision Transformers as Foundation Models for Efficient Segmentation
von: Traub, Manuel, et al.
Veröffentlicht: (2025)

Griffin: Generative Reference and Layout Guided Image Composition
von: Mikaeili, Aryan, et al.
Veröffentlicht: (2025)

Efficient Adaptation of Large Vision Transformer via Adapter Re-Composing
von: Dong, Wei, et al.
Veröffentlicht: (2023)

Context-Aware Token Selection and Packing for Enhanced Vision Transformer
von: Zhang, Tianyi, et al.
Veröffentlicht: (2024)

PixelMan: Consistent Object Editing with Diffusion Models via Pixel Manipulation and Generation
von: Jiang, Liyao, et al.
Veröffentlicht: (2024)

RetFiner: A Vision-Language Refinement Scheme for Retinal Foundation Models
von: Fecso, Ronald, et al.
Veröffentlicht: (2025)

ROI-Packing: Efficient Region-Based Compression for Machine Vision
von: Eimon, Md Eimran Hossain, et al.
Veröffentlicht: (2025)

ED-SAM: An Efficient Diffusion Sampling Approach to Domain Generalization in Vision-Language Foundation Models
von: Truong, Thanh-Dat, et al.
Veröffentlicht: (2024)

PECTP: Parameter-Efficient Cross-Task Prompts for Incremental Vision Transformer
von: Feng, Qian, et al.
Veröffentlicht: (2024)

Vision Transformer-Based Deep Learning for Histologic Classification of Endometrial Cancer
von: Goyal, Manu, et al.
Veröffentlicht: (2023)

SPROUT: A Scalable Diffusion Foundation Model for Agricultural Vision
von: Xiang, Shuai, et al.
Veröffentlicht: (2026)

FiT: Flexible Vision Transformer for Diffusion Model
von: Lu, Zeyu, et al.
Veröffentlicht: (2024)

Embedding Compression for Efficient Re-Identification
von: McDermott, Luke
Veröffentlicht: (2024)

Hierarchical Re-Classification: Combining Animal Classification Models with Vision Transformers
von: Markoff, Hugo, et al.
Veröffentlicht: (2025)

LoReTrack: Efficient and Accurate Low-Resolution Transformer Tracking
von: Dong, Shaohua, et al.
Veröffentlicht: (2024)

Fantastic Multi-Task Gradient Updates and How to Find Them In a Cone
von: Hassanpour, Negar, et al.
Veröffentlicht: (2025)

Fusion of Foundation and Vision Transformer Model Features for Dermatoscopic Image Classification
von: Mahbod, Amirreza, et al.
Veröffentlicht: (2025)

TextRefiner: Internal Visual Feature as Efficient Refiner for Vision-Language Models Prompt Tuning
von: Xie, Jingjing, et al.
Veröffentlicht: (2024)

Improving Adversarial Transferability on Vision Transformers via Forward Propagation Refinement
von: Ren, Yuchen, et al.
Veröffentlicht: (2025)

CoReDiT: Spatial Coherence-Guided Token Pruning and Reconstruction for Efficient Diffusion Transformers
von: Li, Zhuojin, et al.
Veröffentlicht: (2026)

FRAP: Faithful and Realistic Text-to-Image Generation with Adaptive Prompt Weighting
von: Jiang, Liyao, et al.
Veröffentlicht: (2024)

Query-Efficient Hard-Label Black-Box Attack against Vision Transformers
von: Zhou, Chao, et al.
Veröffentlicht: (2024)

HiDream-I1: A High-Efficient Image Generative Foundation Model with Sparse Diffusion Transformer
von: Cai, Qi, et al.
Veröffentlicht: (2025)

PeftCD: Leveraging Vision Foundation Models with Parameter-Efficient Fine-Tuning for Remote Sensing Change Detection
von: Dong, Sijun, et al.
Veröffentlicht: (2025)

Semantic-Aligned Learning with Collaborative Refinement for Unsupervised VI-ReID
von: Cheng, De, et al.
Veröffentlicht: (2025)

AnomalyVFM -- Transforming Vision Foundation Models into Zero-Shot Anomaly Detectors
von: Fučka, Matic, et al.
Veröffentlicht: (2026)

Rein++: Efficient Generalization and Adaptation for Semantic Segmentation with Vision Foundation Models
von: Wei, Zhixiang, et al.
Veröffentlicht: (2025)

Falcon: A Remote Sensing Vision-Language Foundation Model (Technical Report)
von: Yao, Kelu, et al.
Veröffentlicht: (2025)

Bootstrapping SparseFormers from Vision Foundation Models
von: Gao, Ziteng, et al.
Veröffentlicht: (2023)

DetRefiner: Model-Agnostic Detection Refinement with Feature Fusion Transformer
von: Okazaki, Soichiro, et al.
Veröffentlicht: (2026)

Vision Transformer based Random Walk for Group Re-Identification
von: Zhang, Guoqing, et al.
Veröffentlicht: (2024)

Amber-Image: Efficient Compression of Large-Scale Diffusion Transformers
von: Yang, Chaojie, et al.
Veröffentlicht: (2026)

Multiple-Exit Tuning: Towards Inference-Efficient Adaptation for Vision Transformer
von: Liu, Zheng, et al.
Veröffentlicht: (2024)

GeminiFusion: Efficient Pixel-wise Multimodal Fusion for Vision Transformer
von: Jia, Ding, et al.
Veröffentlicht: (2024)