FasterVAR: Plug-and-Play Acceleration for Visual Autoregressive Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Li, Senmao, Wang, Kai, Khan, Salman, Khan, Fahad Shahbaz, Yang, Jian, Wang, Yaxing |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Diversity Has Always Been There in Your Visual Autoregressive Models
par: Wang, Tong, et autres
Publié: (2025)
par: Wang, Tong, et autres
Publié: (2025)
Faster Diffusion: Rethinking the Role of the Encoder for Diffusion Model Inference
par: Li, Senmao, et autres
Publié: (2023)
par: Li, Senmao, et autres
Publié: (2023)
Get What You Want, Not What You Don't: Image Content Suppression for Text-to-Image Diffusion Models
par: Li, Senmao, et autres
Publié: (2024)
par: Li, Senmao, et autres
Publié: (2024)
One-Way Ticket:Time-Independent Unified Encoder for Distilling Text-to-Image Diffusion Models
par: Li, Senmao, et autres
Publié: (2025)
par: Li, Senmao, et autres
Publié: (2025)
InterLCM: Low-Quality Images as Intermediate States of Latent Consistency Models for Effective Blind Face Restoration
par: Li, Senmao, et autres
Publié: (2025)
par: Li, Senmao, et autres
Publié: (2025)
Towards Evaluating the Robustness of Visual State Space Models
par: Malik, Hashmat Shadab, et autres
Publié: (2024)
par: Malik, Hashmat Shadab, et autres
Publié: (2024)
Vocabulary-free Fine-grained Visual Recognition via Enriched Contextually Grounded Vision-Language Model
par: Demidov, Dmitry, et autres
Publié: (2025)
par: Demidov, Dmitry, et autres
Publié: (2025)
StyleDiffusion: Prompt-Embedding Inversion for Text-Based Editing
par: Li, Senmao, et autres
Publié: (2023)
par: Li, Senmao, et autres
Publié: (2023)
Interpretable Zero-Shot Learning with Locally-Aligned Vision-Language Model
par: Chen, Shiming, et autres
Publié: (2025)
par: Chen, Shiming, et autres
Publié: (2025)
Video-R2: Reinforcing Consistent and Grounded Reasoning in Multimodal Language Models
par: Maaz, Muhammad, et autres
Publié: (2025)
par: Maaz, Muhammad, et autres
Publié: (2025)
GroupMamba: Efficient Group-Based Visual State Space Model
par: Shaker, Abdelrahman, et autres
Publié: (2024)
par: Shaker, Abdelrahman, et autres
Publié: (2024)
Video-ChatGPT: Towards Detailed Video Understanding via Large Vision and Language Models
par: Maaz, Muhammad, et autres
Publié: (2023)
par: Maaz, Muhammad, et autres
Publié: (2023)
Language Guided Domain Generalized Medical Image Segmentation
par: Kunhimon, Shahina, et autres
Publié: (2024)
par: Kunhimon, Shahina, et autres
Publié: (2024)
Cross-Modal Self-Training: Aligning Images and Pointclouds to Learn Classification without Labels
par: Dharmasiri, Amaya, et autres
Publié: (2024)
par: Dharmasiri, Amaya, et autres
Publié: (2024)
WorldCache: Content-Aware Caching for Accelerated Video World Models
par: Nawaz, Umair, et autres
Publié: (2026)
par: Nawaz, Umair, et autres
Publié: (2026)
One-Prompt-One-Story: Free-Lunch Consistent Text-to-Image Generation Using a Single Prompt
par: Liu, Tao, et autres
Publié: (2025)
par: Liu, Tao, et autres
Publié: (2025)
VideoGLaMM: A Large Multimodal Model for Pixel-Level Visual Grounding in Videos
par: Munasinghe, Shehan, et autres
Publié: (2024)
par: Munasinghe, Shehan, et autres
Publié: (2024)
Hierarchical Self-Supervised Adversarial Training for Robust Vision Models in Histopathology
par: Malik, Hashmat Shadab, et autres
Publié: (2025)
par: Malik, Hashmat Shadab, et autres
Publié: (2025)
GenZSL: Generative Zero-Shot Learning Via Inductive Variational Autoencoder
par: Chen, Shiming, et autres
Publié: (2025)
par: Chen, Shiming, et autres
Publié: (2025)
Progressive Semantic-Guided Vision Transformer for Zero-Shot Learning
par: Chen, Shiming, et autres
Publié: (2024)
par: Chen, Shiming, et autres
Publié: (2024)
Enhancing Novel Object Detection via Cooperative Foundational Models
par: Bharadwaj, Rohit, et autres
Publié: (2023)
par: Bharadwaj, Rohit, et autres
Publié: (2023)
TAViS: Text-bridged Audio-Visual Segmentation with Foundation Models
par: Luo, Ziyang, et autres
Publié: (2025)
par: Luo, Ziyang, et autres
Publié: (2025)
VURF: A General-purpose Reasoning and Self-refinement Framework for Video Understanding
par: Mahmood, Ahmad, et autres
Publié: (2024)
par: Mahmood, Ahmad, et autres
Publié: (2024)
VANE-Bench: Video Anomaly Evaluation Benchmark for Conversational LMMs
par: Bharadwaj, Rohit, et autres
Publié: (2024)
par: Bharadwaj, Rohit, et autres
Publié: (2024)
ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection
par: Noman, Mubashir, et autres
Publié: (2024)
par: Noman, Mubashir, et autres
Publié: (2024)
Mobile-VideoGPT: Fast and Accurate Model for Mobile Video Understanding
par: Shaker, Abdelrahman, et autres
Publié: (2025)
par: Shaker, Abdelrahman, et autres
Publié: (2025)
Concept Drift and Long-Tailed Distribution in Fine-Grained Visual Categorization: Benchmark and Method
par: Ye, Shuo, et autres
Publié: (2023)
par: Ye, Shuo, et autres
Publié: (2023)
Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Grounding
par: Wasim, Syed Talal, et autres
Publié: (2023)
par: Wasim, Syed Talal, et autres
Publié: (2023)
RainDiff: End-to-end Precipitation Nowcasting Via Token-wise Attention Diffusion
par: Nguyen, Thao, et autres
Publié: (2025)
par: Nguyen, Thao, et autres
Publié: (2025)
UniMed-CLIP: Towards a Unified Image-Text Pretraining Paradigm for Diverse Medical Imaging Modalities
par: Khattak, Muhammad Uzair, et autres
Publié: (2024)
par: Khattak, Muhammad Uzair, et autres
Publié: (2024)
Composed Object Retrieval: Object-level Retrieval via Composed Expressions
par: Wang, Tong, et autres
Publié: (2025)
par: Wang, Tong, et autres
Publié: (2025)
DEFT: Decompositional Efficient Fine-Tuning for Text-to-Image Models
par: Kumar, Komal, et autres
Publié: (2025)
par: Kumar, Komal, et autres
Publié: (2025)
WaDi: Weight Direction-aware Distillation for One-step Image Synthesis
par: Wang, Lei, et autres
Publié: (2026)
par: Wang, Lei, et autres
Publié: (2026)
ObjectCompose: Evaluating Resilience of Vision-Based Models on Object-to-Background Compositional Changes
par: Malik, Hashmat Shadab, et autres
Publié: (2024)
par: Malik, Hashmat Shadab, et autres
Publié: (2024)
Seg-VAR: Image Segmentation with Visual Autoregressive Modeling
par: Zheng, Rongkun, et autres
Publié: (2025)
par: Zheng, Rongkun, et autres
Publié: (2025)
Hierarchical Visual Prompt Learning for Continual Video Instance Segmentation
par: Dong, Jiahua, et autres
Publié: (2025)
par: Dong, Jiahua, et autres
Publié: (2025)
Video-CoM: Interactive Video Reasoning via Chain of Manipulations
par: Rasheed, Hanoona, et autres
Publié: (2025)
par: Rasheed, Hanoona, et autres
Publié: (2025)
UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation
par: Shaker, Abdelrahman, et autres
Publié: (2022)
par: Shaker, Abdelrahman, et autres
Publié: (2022)
Visual-Augmented Dynamic Semantic Prototype for Generative Zero-Shot Learning
par: Hou, Wenjin, et autres
Publié: (2024)
par: Hou, Wenjin, et autres
Publié: (2024)
BAPLe: Backdoor Attacks on Medical Foundational Models using Prompt Learning
par: Hanif, Asif, et autres
Publié: (2024)
par: Hanif, Asif, et autres
Publié: (2024)
Documents similaires
-
Diversity Has Always Been There in Your Visual Autoregressive Models
par: Wang, Tong, et autres
Publié: (2025) -
Faster Diffusion: Rethinking the Role of the Encoder for Diffusion Model Inference
par: Li, Senmao, et autres
Publié: (2023) -
Get What You Want, Not What You Don't: Image Content Suppression for Text-to-Image Diffusion Models
par: Li, Senmao, et autres
Publié: (2024) -
One-Way Ticket:Time-Independent Unified Encoder for Distilling Text-to-Image Diffusion Models
par: Li, Senmao, et autres
Publié: (2025) -
InterLCM: Low-Quality Images as Intermediate States of Latent Consistency Models for Effective Blind Face Restoration
par: Li, Senmao, et autres
Publié: (2025)