Video and Language Alignment in 2D Systems for 3D Multi-object Scenes with Multi-Information Derivative-Free Control
Fuente:
arXiv
Salvato in:
| Autori principali: | Armitage, Jason, Sennnrich, Rico |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
MVRoom: Controllable 3D Indoor Scene Generation with Multi-View Diffusion Models
di: Fang, Shaoheng, et al.
Pubblicazione: (2025)
di: Fang, Shaoheng, et al.
Pubblicazione: (2025)
Multi-modal Situated Reasoning in 3D Scenes
di: Linghu, Xiongkun, et al.
Pubblicazione: (2024)
di: Linghu, Xiongkun, et al.
Pubblicazione: (2024)
MM-Mixing: Multi-Modal Mixing Alignment for 3D Understanding
di: Wang, Jiaze, et al.
Pubblicazione: (2024)
di: Wang, Jiaze, et al.
Pubblicazione: (2024)
IPFormer-VideoLLM: Enhancing Multi-modal Video Understanding for Multi-shot Scenes
di: Liang, Yujia, et al.
Pubblicazione: (2025)
di: Liang, Yujia, et al.
Pubblicazione: (2025)
3D-RFT: Reinforcement Fine-Tuning for Video-based 3D Scene Understanding
di: Linghu, Xiongkun, et al.
Pubblicazione: (2026)
di: Linghu, Xiongkun, et al.
Pubblicazione: (2026)
MMScan: A Multi-Modal 3D Scene Dataset with Hierarchical Grounded Language Annotations
di: Lyu, Ruiyuan, et al.
Pubblicazione: (2024)
di: Lyu, Ruiyuan, et al.
Pubblicazione: (2024)
GEN3D: Generating Domain-Free 3D Scenes from a Single Image
di: Zhang, Yuxin, et al.
Pubblicazione: (2025)
di: Zhang, Yuxin, et al.
Pubblicazione: (2025)
Geometry-Guided Reinforcement Learning for Multi-view Consistent 3D Scene Editing
di: Wang, Jiyuan, et al.
Pubblicazione: (2026)
di: Wang, Jiyuan, et al.
Pubblicazione: (2026)
VideoRFSplat: Direct Scene-Level Text-to-3D Gaussian Splatting Generation with Flexible Pose and Multi-View Joint Modeling
di: Go, Hyojun, et al.
Pubblicazione: (2025)
di: Go, Hyojun, et al.
Pubblicazione: (2025)
Scene Splatter: Momentum 3D Scene Generation from Single Image with Video Diffusion Model
di: Zhang, Shengjun, et al.
Pubblicazione: (2025)
di: Zhang, Shengjun, et al.
Pubblicazione: (2025)
Adapting 2D Multi-Modal Large Language Model for 3D CT Image Analysis
di: Yu, Yang, et al.
Pubblicazione: (2026)
di: Yu, Yang, et al.
Pubblicazione: (2026)
PersonaCraft: Personalized and Controllable Full-Body Multi-Human Scene Generation Using Occlusion-Aware 3D-Conditioned Diffusion
di: Kim, Gwanghyun, et al.
Pubblicazione: (2024)
di: Kim, Gwanghyun, et al.
Pubblicazione: (2024)
3D-SceneDreamer: Text-Driven 3D-Consistent Scene Generation
di: Zhang, Frank, et al.
Pubblicazione: (2024)
di: Zhang, Frank, et al.
Pubblicazione: (2024)
MagicDrive3D: Controllable 3D Generation for Any-View Rendering in Street Scenes
di: Gao, Ruiyuan, et al.
Pubblicazione: (2024)
di: Gao, Ruiyuan, et al.
Pubblicazione: (2024)
EditSplat: Multi-View Fusion and Attention-Guided Optimization for View-Consistent 3D Scene Editing with 3D Gaussian Splatting
di: Lee, Dong In, et al.
Pubblicazione: (2024)
di: Lee, Dong In, et al.
Pubblicazione: (2024)
RoomCraft: Controllable and Complete 3D Indoor Scene Generation
di: Zhou, Mengqi, et al.
Pubblicazione: (2025)
di: Zhou, Mengqi, et al.
Pubblicazione: (2025)
ArtiScene: Language-Driven Artistic 3D Scene Generation Through Image Intermediary
di: Gu, Zeqi, et al.
Pubblicazione: (2025)
di: Gu, Zeqi, et al.
Pubblicazione: (2025)
Text-Scene: A Scene-to-Language Parsing Framework for 3D Scene Understanding
di: Li, Haoyuan, et al.
Pubblicazione: (2025)
di: Li, Haoyuan, et al.
Pubblicazione: (2025)
From 2D Alignment to 3D Plausibility: Unifying Heterogeneous 2D Priors and Penetration-Free Diffusion for Occlusion-Robust Two-Hand Reconstruction
di: Han, Gaoge, et al.
Pubblicazione: (2025)
di: Han, Gaoge, et al.
Pubblicazione: (2025)
DimensionX: Create Any 3D and 4D Scenes from a Single Image with Controllable Video Diffusion
di: Sun, Wenqiang, et al.
Pubblicazione: (2024)
di: Sun, Wenqiang, et al.
Pubblicazione: (2024)
Graph Canvas for Controllable 3D Scene Generation
di: Liu, Libin, et al.
Pubblicazione: (2024)
di: Liu, Libin, et al.
Pubblicazione: (2024)
GeoSAM-3D: Geodesic Prompt Propagation for Open-Vocabulary 3D Scene Segmentation from Monocular Video
di: Sharma, Arun
Pubblicazione: (2026)
di: Sharma, Arun
Pubblicazione: (2026)
PlaceIt3D: Language-Guided Object Placement in Real 3D Scenes
di: Abdelreheem, Ahmed, et al.
Pubblicazione: (2025)
di: Abdelreheem, Ahmed, et al.
Pubblicazione: (2025)
HOT3D: Hand and Object Tracking in 3D from Egocentric Multi-View Videos
di: Banerjee, Prithviraj, et al.
Pubblicazione: (2024)
di: Banerjee, Prithviraj, et al.
Pubblicazione: (2024)
MG-3D: Multi-Grained Knowledge-Enhanced 3D Medical Vision-Language Pre-training
di: Ni, Xuefeng, et al.
Pubblicazione: (2024)
di: Ni, Xuefeng, et al.
Pubblicazione: (2024)
DenseScan: Advancing 3D Scene Understanding with 2D Dense Annotation
di: Wang, Zirui, et al.
Pubblicazione: (2025)
di: Wang, Zirui, et al.
Pubblicazione: (2025)
Unified Editing of Panorama, 3D Scenes, and Videos Through Disentangled Self-Attention Injection
di: Kwon, Gihyun, et al.
Pubblicazione: (2024)
di: Kwon, Gihyun, et al.
Pubblicazione: (2024)
InfiniCube: Unbounded and Controllable Dynamic 3D Driving Scene Generation with World-Guided Video Models
di: Lu, Yifan, et al.
Pubblicazione: (2024)
di: Lu, Yifan, et al.
Pubblicazione: (2024)
Scene-LLM: Extending Language Model for 3D Visual Understanding and Reasoning
di: Fu, Rao, et al.
Pubblicazione: (2024)
di: Fu, Rao, et al.
Pubblicazione: (2024)
Enhanced OoD Detection through Cross-Modal Alignment of Multi-Modal Representations
di: Kim, Jeonghyeon, et al.
Pubblicazione: (2025)
di: Kim, Jeonghyeon, et al.
Pubblicazione: (2025)
GenXD: Generating Any 3D and 4D Scenes
di: Zhao, Yuyang, et al.
Pubblicazione: (2024)
di: Zhao, Yuyang, et al.
Pubblicazione: (2024)
MUSES: 3D-Controllable Image Generation via Multi-Modal Agent Collaboration
di: Ding, Yanbo, et al.
Pubblicazione: (2024)
di: Ding, Yanbo, et al.
Pubblicazione: (2024)
Shape2Scene: 3D Scene Representation Learning Through Pre-training on Shape Data
di: Feng, Tuo, et al.
Pubblicazione: (2024)
di: Feng, Tuo, et al.
Pubblicazione: (2024)
SceneCOT: Eliciting Grounded Chain-of-Thought Reasoning in 3D Scenes
di: Linghu, Xiongkun, et al.
Pubblicazione: (2025)
di: Linghu, Xiongkun, et al.
Pubblicazione: (2025)
FunGraph: Functionality Aware 3D Scene Graphs for Language-Prompted Scene Interaction
di: Rotondi, Dennis, et al.
Pubblicazione: (2025)
di: Rotondi, Dennis, et al.
Pubblicazione: (2025)
BetterScene: 3D Scene Synthesis with Representation-Aligned Generative Model
di: Han, Yuci, et al.
Pubblicazione: (2026)
di: Han, Yuci, et al.
Pubblicazione: (2026)
MagDiff: Multi-Alignment Diffusion for High-Fidelity Video Generation and Editing
di: Zhao, Haoyu, et al.
Pubblicazione: (2023)
di: Zhao, Haoyu, et al.
Pubblicazione: (2023)
Bridge 2D-3D: Uncertainty-aware Hierarchical Registration Network with Domain Alignment
di: Cheng, Zhixin, et al.
Pubblicazione: (2025)
di: Cheng, Zhixin, et al.
Pubblicazione: (2025)
4D3R: Motion-Aware Neural Reconstruction and Rendering of Dynamic Scenes from Monocular Videos
di: Guo, Mengqi, et al.
Pubblicazione: (2025)
di: Guo, Mengqi, et al.
Pubblicazione: (2025)
Vocabulary-Free 3D Instance Segmentation with Vision and Language Assistant
di: Mei, Guofeng, et al.
Pubblicazione: (2024)
di: Mei, Guofeng, et al.
Pubblicazione: (2024)
Documenti analoghi
-
MVRoom: Controllable 3D Indoor Scene Generation with Multi-View Diffusion Models
di: Fang, Shaoheng, et al.
Pubblicazione: (2025) -
Multi-modal Situated Reasoning in 3D Scenes
di: Linghu, Xiongkun, et al.
Pubblicazione: (2024) -
MM-Mixing: Multi-Modal Mixing Alignment for 3D Understanding
di: Wang, Jiaze, et al.
Pubblicazione: (2024) -
IPFormer-VideoLLM: Enhancing Multi-modal Video Understanding for Multi-shot Scenes
di: Liang, Yujia, et al.
Pubblicazione: (2025) -
3D-RFT: Reinforcement Fine-Tuning for Video-based 3D Scene Understanding
di: Linghu, Xiongkun, et al.
Pubblicazione: (2026)