Buchumschlag

EasyV2V: A High-quality Instruction-based Video Editing Framework

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mai, Jinjie, Wang, Chaoyang, Qian, Guocheng Gordon, Menapace, Willi, Tulyakov, Sergey, Ghanem, Bernard, Wonka, Peter, Mirzaei, Ashkan
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

4Real-Video-V2: Fused View-Time Attention and Feedforward Reconstruction for 4D Scene Generation
von: Wang, Chaoyang, et al.
Veröffentlicht: (2025)

ShapeGen4D: Towards High Quality 4D Shape Generation from Videos
von: Yenphraphai, Jiraphon, et al.
Veröffentlicht: (2025)

Hierarchical Patch Diffusion Models for High-Resolution Video Generation
von: Skorokhodov, Ivan, et al.
Veröffentlicht: (2024)

EgoEdit: Dataset, Real-Time Streaming Model, and Benchmark for Egocentric Video Editing
von: Li, Runjia, et al.
Veröffentlicht: (2025)

DenseDPO: Fine-Grained Temporal Preference Optimization for Video Diffusion Models
von: Wu, Ziyi, et al.
Veröffentlicht: (2025)

4Real-Video: Learning Generalizable Photo-Realistic 4D Video Diffusion
von: Wang, Chaoyang, et al.
Veröffentlicht: (2024)

AC3D: Analyzing and Improving 3D Camera Control in Video Diffusion Transformers
von: Bahmani, Sherwin, et al.
Veröffentlicht: (2024)

DELTAv2: Accelerating Dense 3D Tracking
von: Ngo, Tuan Duc, et al.
Veröffentlicht: (2025)

Vivid-ZOO: Multi-View Video Generation with Diffusion Model
von: Li, Bing, et al.
Veröffentlicht: (2024)

Can Text-to-Video Generation help Video-Language Alignment?
von: Zanella, Luca, et al.
Veröffentlicht: (2025)

VIA: Unified Spatiotemporal Video Adaptation Framework for Global and Local Video Editing
von: Gu, Jing, et al.
Veröffentlicht: (2024)

VD3D: Taming Large Video Diffusion Transformers for 3D Camera Control
von: Bahmani, Sherwin, et al.
Veröffentlicht: (2024)

VIMI: Grounding Video Generation through Multi-modal Instruction
von: Fang, Yuwei, et al.
Veröffentlicht: (2024)

Diffusion Priors for Dynamic View Synthesis from Monocular Videos
von: Wang, Chaoyang, et al.
Veröffentlicht: (2024)

SF-V: Single Forward Video Generation Model
von: Zhang, Zhixing, et al.
Veröffentlicht: (2024)

4Real: Towards Photorealistic 4D Scene Generation via Video Diffusion Models
von: Yu, Heng, et al.
Veröffentlicht: (2024)

Diffusion-DRF: Free, Rich, and Differentiable Reward for Video Diffusion Fine-Tuning
von: Wang, Yifan, et al.
Veröffentlicht: (2026)

Dynamic Concepts Personalization from Single Videos
von: Abdal, Rameen, et al.
Veröffentlicht: (2025)

H3AE: High Compression, High Speed, and High Quality AutoEncoder for Video Diffusion Models
von: Wu, Yushu, et al.
Veröffentlicht: (2025)

Mind the Time: Temporally-Controlled Multi-Event Video Generation
von: Wu, Ziyi, et al.
Veröffentlicht: (2024)

Helix4D: Complex 4D Mesh Generation
von: Yenphraphai, Jiraphon, et al.
Veröffentlicht: (2026)

GES: Generalized Exponential Splatting for Efficient Radiance Field Rendering
von: Hamdi, Abdullah, et al.
Veröffentlicht: (2024)

AlphaFlow: Understanding and Improving MeanFlow Models
von: Zhang, Huijie, et al.
Veröffentlicht: (2025)

Promptable Game Models: Text-Guided Game Simulation via Masked Diffusion Models
von: Menapace, Willi, et al.
Veröffentlicht: (2023)

OmniView: An All-Seeing Diffusion Model for 3D and 4D View Synthesis
von: Fan, Xiang, et al.
Veröffentlicht: (2025)

Pix4Point: Image Pretrained Standard Transformers for 3D Point Cloud Understanding
von: Qian, Guocheng, et al.
Veröffentlicht: (2022)

Mind-the-Glitch: Visual Correspondence for Detecting Inconsistencies in Subject-Driven Generation
von: Eldesokey, Abdelrahman, et al.
Veröffentlicht: (2025)

TrackNeRF: Bundle Adjusting NeRF from Sparse and Noisy Views via Feature Tracks
von: Mai, Jinjie, et al.
Veröffentlicht: (2024)

AV-Link: Temporally-Aligned Diffusion Features for Cross-Modal Audio-Video Generation
von: Haji-Ali, Moayed, et al.
Veröffentlicht: (2024)

Improving Progressive Generation with Decomposable Flow Matching
von: Haji-Ali, Moayed, et al.
Veröffentlicht: (2025)

Hybrid Structure-from-Motion and Camera Relocalization for Enhanced Egocentric Localization
von: Mai, Jinjie, et al.
Veröffentlicht: (2024)

Snap Video: Scaled Spatiotemporal Transformers for Text-to-Video Synthesis
von: Menapace, Willi, et al.
Veröffentlicht: (2024)

Improving the Diffusability of Autoencoders
von: Skorokhodov, Ivan, et al.
Veröffentlicht: (2025)

AsCAN: Asymmetric Convolution-Attention Networks for Efficient Recognition and Generation
von: Kag, Anil, et al.
Veröffentlicht: (2024)

Can Video Diffusion Model Reconstruct 4D Geometry?
von: Mai, Jinjie, et al.
Veröffentlicht: (2025)

SPAD : Spatially Aware Multiview Diffusers
von: Kant, Yash, et al.
Veröffentlicht: (2024)

T2Bs: Text-to-Character Blendshapes via Video Generation
von: Luo, Jiahao, et al.
Veröffentlicht: (2025)

LayerComposer: Multi-Human Personalized Generation via Layered Canvas
von: Qian, Guocheng Gordon, et al.
Veröffentlicht: (2025)

Omni-Attribute: Open-vocabulary Attribute Encoder for Visual Concept Personalization
von: Chen, Tsai-Shien, et al.
Veröffentlicht: (2025)

NearID: Identity Representation Learning via Near-identity Distractors
von: Cvejic, Aleksandar, et al.
Veröffentlicht: (2026)