Buchumschlag

Circuit Mechanisms for Spatial Relation Generation in Diffusion Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Binxu, Fan, Jingxuan, Pan, Xu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Computer Vision and Pattern Recognition Machine Learning I.2.10; I.4.9; I.2.6
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Exposing Blindspots: Cultural Bias Evaluation in Generative Image Models
von: Seo, Huichan, et al.
Veröffentlicht: (2025)

Human-Centric Anomaly Detection in Surveillance Videos Using YOLO-World and Spatio-Temporal Deep Learning
von: Naeen, Mohammad Ali Etemadi, et al.
Veröffentlicht: (2025)

MaSC: A Masked Similarity Metric for Evaluating Concept-Driven Generation
von: Bartkowiak, Patryk, et al.
Veröffentlicht: (2026)

SpectraNet: FFT-assisted Deep Learning Classifier for Deepfake Face Detection
von: Jayarathne, Nithira, et al.
Veröffentlicht: (2025)

GLoT: A Novel Gated-Logarithmic Transformer for Efficient Sign Language Translation
von: Shahin, Nada, et al.
Veröffentlicht: (2025)

Multimodal Ensemble with Conditional Feature Fusion for Dysgraphia Diagnosis in Children from Handwriting Samples
von: Kunhoth, Jayakanth, et al.
Veröffentlicht: (2024)

ADAT: Time-Series-Aware Adaptive Transformer Architecture for Sign Language Translation
von: Shahin, Nada, et al.
Veröffentlicht: (2025)

Learn&Drop: Fast Learning of CNNs based on Layer Dropping
von: Cruciata, Giorgio, et al.
Veröffentlicht: (2026)

NumeriKontrol: Adding Numeric Control to Diffusion Transformers for Instruction-based Image Editing
von: Xu, Zhenyu, et al.
Veröffentlicht: (2025)

APT: Adaptive Personalized Training for Diffusion Models with Limited Data
von: Chae, JungWoo, et al.
Veröffentlicht: (2025)

A Lightweight and Extensible Cell Segmentation and Classification Model for Whole Slide Images
von: Shvetsov, Nikita, et al.
Veröffentlicht: (2025)

Combining Absolute and Semi-Generalized Relative Poses for Visual Localization
von: Panek, Vojtech, et al.
Veröffentlicht: (2024)

Ego-Motion Aware Target Prediction Module for Robust Multi-Object Tracking
von: Mahdian, Navid, et al.
Veröffentlicht: (2024)

A Two-stage Transformer Framework for Temporal Localization of Distracted Driver Behaviors
von: Doan, Gia-Bao, et al.
Veröffentlicht: (2026)

Positive Style Accumulation: A Style Screening and Continuous Utilization Framework for Federated DG-ReID
von: Xu, Xin, et al.
Veröffentlicht: (2025)

GPT4o-Receipt: A Dataset and Human Study for AI-Generated Document Forensics
von: Zhang, Yan, et al.
Veröffentlicht: (2026)

Interpreting Structured Perturbations in Image Protection Methods for Diffusion Models
von: Martin, Michael R., et al.
Veröffentlicht: (2025)

Accelerating Post-Tornado Disaster Assessment Using Advanced Deep Learning Models
von: Umeike, Robinson, et al.
Veröffentlicht: (2024)

Self-Supervised Polyp Re-Identification in Colonoscopy
von: Intrator, Yotam, et al.
Veröffentlicht: (2023)

Dynamic Residual Encoding with Slide-Level Contrastive Learning for End-to-End Whole Slide Image Representation
von: Jin, Jing, et al.
Veröffentlicht: (2025)

Pointing-Guided Target Estimation via Transformer-Based Attention
von: Müller, Luca, et al.
Veröffentlicht: (2025)

CCVA-FL: Cross-Client Variations Adaptive Federated Learning for Medical Imaging
von: Gupta, Sunny, et al.
Veröffentlicht: (2024)

Taming the Tail: Leveraging Asymmetric Loss and Pade Approximation to Overcome Medical Image Long-Tailed Class Imbalance
von: Kashyap, Pankhi, et al.
Veröffentlicht: (2024)

Towards Localizing Structural Elements: Merging Geometrical Detection with Semantic Verification in RGB-D Data
von: Tourani, Ali, et al.
Veröffentlicht: (2024)

Vision-Language Cross-Attention for Real-Time Autonomous Driving
von: Patapati, Santosh, et al.
Veröffentlicht: (2025)

IntrinsiX: High-Quality PBR Generation using Image Priors
von: Kocsis, Peter, et al.
Veröffentlicht: (2025)

VITA: Zero-Shot Value Functions via Test-Time Adaptation of Vision-Language Models
von: Ziakas, Christos, et al.
Veröffentlicht: (2025)

CrossVLA: Cross-Paradigm Post-Training and Inference Optimization for Vision-Language-Action Models
von: Liu, Zhi
Veröffentlicht: (2026)

HATL: Hierarchical Adaptive-Transfer Learning Framework for Sign Language Machine Translation
von: Shahin, Nada, et al.
Veröffentlicht: (2026)

Break the Brake, Not the Wheel: Untargeted Jailbreak via Entropy Maximization
von: He, Mengqi, et al.
Veröffentlicht: (2026)

LightFFDNets: Lightweight Convolutional Neural Networks for Rapid Facial Forgery Detection
von: Jabbarlı, Günel, et al.
Veröffentlicht: (2024)

Balanced conic rectified flow
von: Kim, Shin Seong, et al.
Veröffentlicht: (2025)

A Light Perspective for 3D Object Detection
von: Pederiva, Marcelo Eduardo, et al.
Veröffentlicht: (2025)

A Guide to Structureless Visual Localization
von: Panek, Vojtech, et al.
Veröffentlicht: (2025)

Reference Dataset and Benchmark for Reconstructing Laser Parameters from On-axis Video in Powder Bed Fusion of Bulk Stainless Steel
von: Blanc, Cyril, et al.
Veröffentlicht: (2024)

Facial Attribute Based Text Guided Face Anonymization
von: Muştu, Mustafa İzzet, et al.
Veröffentlicht: (2025)

Privacy-Preserving Structureless Visual Localization via Image Obfuscation
von: Panek, Vojtech, et al.
Veröffentlicht: (2026)

Transformers for Image-Goal Navigation
von: Pelluri, Nikhilanj
Veröffentlicht: (2024)

AI-Augmented Pollen Recognition in Optical and Holographic Microscopy for Veterinary Imaging
von: Warshaneyan, Swarn S., et al.
Veröffentlicht: (2025)

Automated Pollen Recognition in Optical and Holographic Microscopy Images
von: Warshaneyan, Swarn Singh, et al.
Veröffentlicht: (2025)