Buchumschlag

Do-Undo Bench: Reversibility for Action Understanding in Image Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mahajan, Shweta, Kadambi, Shreya, Le, Hoang, Yasarla, Rajeev, Bhattacharyya, Apratim, Hayat, Munawar, Porikli, Fatih
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DDIL: Diversity Enhancing Diffusion Distillation With Imitation Learning
von: Garrepalli, Risheek, et al.
Veröffentlicht: (2024)

Attention Guided Alignment in Efficient Vision-Language Models
von: Mahajan, Shweta, et al.
Veröffentlicht: (2025)

RoCA: Robust Cross-Domain End-to-End Autonomous Driving
von: Yasarla, Rajeev, et al.
Veröffentlicht: (2025)

Distilling Multi-modal Large Language Models for Autonomous Driving
von: Hegde, Deepti, et al.
Veröffentlicht: (2025)

Resolving the Identity Crisis in Text-to-Image Generation
von: Borse, Shubhankar, et al.
Veröffentlicht: (2025)

MultiHuman-Testbench: Benchmarking Image Generation for Multiple Humans
von: Borse, Shubhankar, et al.
Veröffentlicht: (2025)

MADI: Masking-Augmented Diffusion with Inference-Time Scaling for Visual Editing
von: Kadambi, Shreya, et al.
Veröffentlicht: (2025)

DySS: Dynamic Queries and State-Space Learning for Efficient 3D Object Detection from Multi-Camera Videos
von: Yasarla, Rajeev, et al.
Veröffentlicht: (2025)

Generative Scenario Rollouts for End-to-End Autonomous Driving
von: Yasarla, Rajeev, et al.
Veröffentlicht: (2026)

ToSA: Token Selective Attention for Efficient Vision Transformers
von: Singh, Manish Kumar, et al.
Veröffentlicht: (2024)

SubZero: Composing Subject, Style, and Action via Zero-Shot Personalization
von: Borse, Shubhankar, et al.
Veröffentlicht: (2025)

MAMo: Leveraging Memory and Attention for Monocular Video Depth Estimation
von: Yasarla, Rajeev, et al.
Veröffentlicht: (2023)

FouRA: Fourier Low Rank Adaptation
von: Borse, Shubhankar, et al.
Veröffentlicht: (2024)

HexaGen3D: StableDiffusion is just one step away from Fast and Diverse Text-to-3D Generation
von: Mercier, Antoine, et al.
Veröffentlicht: (2024)

FLoC: Facility Location-Based Efficient Visual Token Compression for Long Video Understanding
von: Cho, Janghoon, et al.
Veröffentlicht: (2025)

Personalized OVSS: Understanding Personal Concept in Open-Vocabulary Semantic Segmentation
von: Park, Sunghyun, et al.
Veröffentlicht: (2025)

CustomKD: Customizing Large Vision Foundation for Edge Model Improvement via Knowledge Distillation
von: Lee, Jungsoo, et al.
Veröffentlicht: (2025)

OCAI: Improving Optical Flow Estimation by Occlusion and Consistency Aware Interpolation
von: Jeong, Jisoo, et al.
Veröffentlicht: (2024)

Generalized Contrastive Learning for Universal Multimodal Retrieval
von: Lee, Jungsoo, et al.
Veröffentlicht: (2025)

ConsNoTrainLoRA: Data-driven Weight Initialization of Low-rank Adapters using Constraints
von: Das, Debasmit, et al.
Veröffentlicht: (2025)

PosSAM: Panoptic Open-vocabulary Segment Anything
von: VS, Vibashan, et al.
Veröffentlicht: (2024)

FutureDepth: Learning to Predict the Future Improves Video Depth Estimation
von: Yasarla, Rajeev, et al.
Veröffentlicht: (2024)

Ar2Can: An Architect and an Artist Leveraging a Canvas for Multi-Human Generation
von: Borse, Shubhankar, et al.
Veröffentlicht: (2025)

Memory-Efficient Fine-Tuning Diffusion Transformers via Dynamic Patch Sampling and Block Skipping
von: Park, Sunghyun, et al.
Veröffentlicht: (2026)

Erasing Undesirable Influence in Diffusion Models
von: Wu, Jing, et al.
Veröffentlicht: (2024)

Segmentation-Free Guidance for Text-to-Image Diffusion Models
von: Azarian, Kambiz, et al.
Veröffentlicht: (2024)

ForeSea: AI Forensic Search with Multi-modal Queries for Video Surveillance
von: Park, Hyojin, et al.
Veröffentlicht: (2026)

Conditional Distribution Modelling for Few-Shot Image Synthesis with Diffusion Models
von: Gupta, Parul, et al.
Veröffentlicht: (2024)

MAPLE: Latent Multi-Agent Play for End-to-End Autonomous Driving
von: Yasarla, Rajeev, et al.
Veröffentlicht: (2026)

Neural Mesh Fusion: Unsupervised 3D Planar Surface Understanding
von: Zanjani, Farhad G., et al.
Veröffentlicht: (2024)

1M-Deepfakes Detection Challenge
von: Cai, Zhixi, et al.
Veröffentlicht: (2024)

Tripartite Weight-Space Ensemble for Few-Shot Class-Incremental Learning
von: Lee, Juntae, et al.
Veröffentlicht: (2025)

Sort-free Gaussian Splatting via Weighted Sum Rendering
von: Hou, Qiqi, et al.
Veröffentlicht: (2024)

HyperNet Fields: Efficiently Training Hypernetworks without Ground Truth by Learning Weight Trajectories
von: Hedlin, Eric, et al.
Veröffentlicht: (2024)

Visual Concept-driven Image Generation with Text-to-Image Diffusion Model
von: Rahman, Tanzila, et al.
Veröffentlicht: (2024)

AV-Deepfake1M: A Large-Scale LLM-Driven Audio-Visual Deepfake Dataset
von: Cai, Zhixi, et al.
Veröffentlicht: (2023)

EdgeRelight360: Text-Conditioned 360-Degree HDR Image Generation for Real-Time On-Device Video Portrait Relighting
von: Lin, Min-Hui, et al.
Veröffentlicht: (2024)

H3O: Hyper-Efficient 3D Occupancy Prediction with Heterogeneous Supervision
von: Shi, Yunxiao, et al.
Veröffentlicht: (2025)

LoRA-X: Bridging Foundation Models with Training-Free Cross-Model Adaptation
von: Farhadzadeh, Farzad, et al.
Veröffentlicht: (2025)

Improving Optical Flow and Stereo Depth Estimation by Leveraging Uncertainty-Based Learning Difficulties
von: Jeong, Jisoo, et al.
Veröffentlicht: (2025)