:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zeng, Yanbing, Wang, Jia, Ma, Hanghang, Wu, Junqiang, Zhu, Jie, Wei, Xiaoming, Hu, Jie
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	https://arxiv.org/abs/2601.04706
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Simple Baseline for Unifying Understanding, Generation, and Editing via Vanilla Next-token Prediction
von: Zhu, Jie, et al.
Veröffentlicht: (2026)

MagicMirror: A Large-Scale Dataset and Benchmark for Fine-Grained Artifacts Assessment in Text-to-Image Generation
von: Wang, Jia, et al.
Veröffentlicht: (2025)

LongCat-Image Technical Report
von: Meituan LongCat Team, et al.
Veröffentlicht: (2025)

Rascene: High-Fidelity 3D Scene Imaging with mmWave Communication Signals
von: Song, Kunzhe, et al.
Veröffentlicht: (2026)

Kangaroo: A Powerful Video-Language Model Supporting Long-context Video Input
von: Liu, Jiajun, et al.
Veröffentlicht: (2024)

Enhancing Image Generation Fidelity via Progressive Prompts
von: Xiong, Zhen, et al.
Veröffentlicht: (2025)

RDPM: Solve Diffusion Probabilistic Models via Recurrent Token Prediction
von: Wu, Xiaoping, et al.
Veröffentlicht: (2024)

Object Fidelity Diffusion for Remote Sensing Image Generation
von: Ye, Ziqi, et al.
Veröffentlicht: (2025)

Scale Your Instructions: Enhance the Instruction-Following Fidelity of Unified Image Generation Model by Self-Adaptive Attention Scaling
von: Zhou, Chao, et al.
Veröffentlicht: (2025)

MICON-Bench: Benchmarking and Enhancing Multi-Image Context Image Generation in Unified Multimodal Models
von: Wu, Mingrui, et al.
Veröffentlicht: (2026)

FusionAgent: A Multimodal Agent with Dynamic Model Selection for Human Recognition
von: Zhu, Jie, et al.
Veröffentlicht: (2026)

ParaUni: Enhance Generation in Unified Multimodal Model with Reinforcement-driven Hierarchical Parallel Information Interaction
von: Tan, Jiangtong, et al.
Veröffentlicht: (2025)

An Analysis for Image-to-Image Translation and Style Transfer
von: Yu, Xiaoming, et al.
Veröffentlicht: (2024)

CharGen: High Accurate Character-Level Visual Text Generation Model with MultiModal Encoder
von: Ma, Lichen, et al.
Veröffentlicht: (2024)

Omni-Dish: Photorealistic and Faithful Image Generation and Editing for Arbitrary Chinese Dishes
von: Liu, Huijie, et al.
Veröffentlicht: (2025)

Multimodal Generation of Animatable 3D Human Models with AvatarForge
von: Liu, Xinhang, et al.
Veröffentlicht: (2025)

U-Mind: A Unified Framework for Real-Time Multimodal Interaction with Audiovisual Generation
von: Deng, Xiang, et al.
Veröffentlicht: (2026)

A Comprehensive Study of Multimodal Large Language Models for Image Quality Assessment
von: Wu, Tianhe, et al.
Veröffentlicht: (2024)

On the Holistic Approach for Detecting Human Image Forgery
von: Guo, Xiao, et al.
Veröffentlicht: (2026)

DreamPoster: A Unified Framework for Image-Conditioned Generative Poster Design
von: Hu, Xiwei, et al.
Veröffentlicht: (2025)

Towards Generalized Multi-Image Editing for Unified Multimodal Models
von: Xu, Pengcheng, et al.
Veröffentlicht: (2026)

Denoising with a Joint-Embedding Predictive Architecture
von: Chen, Dengsheng, et al.
Veröffentlicht: (2024)

Fine-gained Zero-shot Video Sampling
von: Chen, Dengsheng, et al.
Veröffentlicht: (2024)

Query-Kontext: An Unified Multimodal Model for Image Generation and Editing
von: Song, Yuxin, et al.
Veröffentlicht: (2025)

High-Resolution Image Synthesis via Next-Token Prediction
von: Chen, Dengsheng, et al.
Veröffentlicht: (2024)

UniCorn: Towards Self-Improving Unified Multimodal Models through Self-Generated Supervision
von: Han, Ruiyan, et al.
Veröffentlicht: (2026)

Towards Better & Faster Autoregressive Image Generation: From the Perspective of Entropy
von: Ma, Xiaoxiao, et al.
Veröffentlicht: (2025)

Images Speak Louder Than Scores: Failure Mode Escape for Enhancing Generative Quality
von: Shao, Jie, et al.
Veröffentlicht: (2025)

Large Language Models for Multimodal Deformable Image Registration
von: Ma, Mingrui, et al.
Veröffentlicht: (2024)

PositionIC: Unified Position and Identity Consistency for Image Customization
von: Hu, Junjie, et al.
Veröffentlicht: (2025)

DF-SLAM: Dictionary Factors Representation for High-Fidelity Neural Implicit Dense Visual SLAM System
von: Wei, Weifeng, et al.
Veröffentlicht: (2024)

FlightForge: Advancing UAV Research with Procedural Generation of High-Fidelity Simulation and Integrated Autonomy
von: Čapek, David, et al.
Veröffentlicht: (2025)

STAR: STacked AutoRegressive Scheme for Unified Multimodal Learning
von: Qin, Jie, et al.
Veröffentlicht: (2025)

Can Textual Reasoning Improve the Performance of MLLMs on Fine-grained Visual Classification?
von: Zhu, Jie, et al.
Veröffentlicht: (2026)

MM-R1: Unleashing the Power of Unified Multimodal Large Language Models for Personalized Image Generation
von: Liang, Qian, et al.
Veröffentlicht: (2025)

Separate Motion from Appearance: Customizing Motion via Customizing Text-to-Video Diffusion Models
von: Liu, Huijie, et al.
Veröffentlicht: (2025)

GTPT: Group-based Token Pruning Transformer for Efficient Human Pose Estimation
von: Wang, Haonan, et al.
Veröffentlicht: (2024)

DiffusionAgent: Navigating Expert Models for Agentic Image Generation
von: Qin, Jie, et al.
Veröffentlicht: (2024)

Multimodal Point Cloud Semantic Segmentation With Virtual Point Enhancement
von: Duan, Zaipeng, et al.
Veröffentlicht: (2025)

Rethinking Vision-Language Model in Face Forensics: Multi-Modal Interpretable Forged Face Detector
von: Guo, Xiao, et al.
Veröffentlicht: (2025)