Buchumschlag

Think-Then-Generate: Reasoning-Aware Text-to-Image Diffusion with LLM Encoders

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kou, Siqi, Jin, Jiachun, Zhou, Zetong, Ma, Ye, Wang, Yugang, Chen, Quan, Jiang, Peng, Yang, Xiao, Zhu, Jun, Yu, Kai, Deng, Zhijie
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Orthus: Autoregressive Interleaved Image-Text Generation with Modality-Specific Heads
von: Kou, Siqi, et al.
Veröffentlicht: (2024)

LatentUM: Unleashing the Potential of Interleaved Cross-Modal Reasoning via a Latent-Space Unified Model
von: Jin, Jiachun, et al.
Veröffentlicht: (2026)

Thinking with Generated Images
von: Chern, Ethan, et al.
Veröffentlicht: (2025)

ProductWebGen: Benchmarking Multimodal Product Webpage Generation
von: Liu, Zhihong, et al.
Veröffentlicht: (2026)

Diffusion LLMs Can Do Faster-Than-AR Inference via Discrete Diffusion Forcing
von: Wang, Xu, et al.
Veröffentlicht: (2025)

Which Data Attributes Stimulate Math and Code Reasoning? An Investigation via Influence Functions
von: Kou, Siqi, et al.
Veröffentlicht: (2025)

BayesDiff: Estimating Pixel-wise Uncertainty in Diffusion via Bayesian Inference
von: Kou, Siqi, et al.
Veröffentlicht: (2023)

Lost in Translation: Latent Concept Misalignment in Text-to-Image Diffusion Models
von: Zhao, Juntu, et al.
Veröffentlicht: (2024)

LoHoVLA: A Unified Vision-Language-Action Model for Long-Horizon Embodied Tasks
von: Yang, Yi, et al.
Veröffentlicht: (2025)

CLLMs: Consistency Large Language Models
von: Kou, Siqi, et al.
Veröffentlicht: (2024)

Diffusion Lens: Interpreting Text Encoders in Text-to-Image Pipelines
von: Toker, Michael, et al.
Veröffentlicht: (2024)

Scaling Down Text Encoders of Text-to-Image Diffusion Models
von: Wang, Lifu, et al.
Veröffentlicht: (2025)

Aligning Text to Image in Diffusion Models is Easier Than You Think
von: Lee, Jaa-Yeon, et al.
Veröffentlicht: (2025)

TFRank: Think-Free Reasoning Enables Practical Pointwise LLM Ranking
von: Fan, Yongqi, et al.
Veröffentlicht: (2025)

Hawk: Leveraging Spatial Context for Faster Autoregressive Text-to-Image Generation
von: Chen, Zhi-Kai, et al.
Veröffentlicht: (2025)

Language-Image Alignment with Fixed Text Encoders
von: Yang, Jingfeng, et al.
Veröffentlicht: (2025)

SIFT: Grounding LLM Reasoning in Contexts via Stickers
von: Zeng, Zihao, et al.
Veröffentlicht: (2025)

Think When Needed: Model-Aware Reasoning Routing for LLM-based Ranking
von: Guo, Huizhong, et al.
Veröffentlicht: (2026)

Mitigating Think-Answer Mismatch in LLM Reasoning Through Noise-Aware Advantage Reweighting
von: Shen, Si, et al.
Veröffentlicht: (2025)

BicliqueEncoder: An Efficient Method for Link Prediction in Bipartite Networks using Formal Concept Analysis and Transformer Encoder
von: Yang, Hongyuan, et al.
Veröffentlicht: (2025)

ThinkRL-Edit: Thinking in Reinforcement Learning for Reasoning-Centric Image Editing
von: Li, Hengjia, et al.
Veröffentlicht: (2026)

Think Smarter not Harder: Adaptive Reasoning with Inference Aware Optimization
von: Yu, Zishun, et al.
Veröffentlicht: (2025)

Efficient Detection of LLM-generated Texts with a Bayesian Surrogate Model
von: Miao, Yibo, et al.
Veröffentlicht: (2023)

MatryoshkaKV: Adaptive KV Compression via Trainable Orthogonal Projection
von: Lin, Bokai, et al.
Veröffentlicht: (2024)

Text-Aware Image Restoration with Diffusion Models
von: Min, Jaewon, et al.
Veröffentlicht: (2025)

SocialTraj: Two-Stage Socially-Aware Trajectory Prediction for Autonomous Driving via Conditional Diffusion Model
von: Zhou, Xiao, et al.
Veröffentlicht: (2025)

One-Way Ticket:Time-Independent Unified Encoder for Distilling Text-to-Image Diffusion Models
von: Li, Senmao, et al.
Veröffentlicht: (2025)

Think-Augmented Function Calling: Improving LLM Parameter Accuracy Through Embedded Reasoning
von: Wei, Lei, et al.
Veröffentlicht: (2026)

When to Think, When to Speak: Learning Disclosure Policies for LLM Reasoning
von: Wei, Jiaqi, et al.
Veröffentlicht: (2026)

Reason2Attack: Jailbreaking Text-to-Image Models via LLM Reasoning
von: Zhang, Chenyu, et al.
Veröffentlicht: (2025)

MIRAGE: Evaluating and Explaining Inductive Reasoning Process in Language Models
von: Li, Jiachun, et al.
Veröffentlicht: (2024)

d3LLM: Ultra-Fast Diffusion LLM using Pseudo-Trajectory Distillation
von: Qian, Yu-Yang, et al.
Veröffentlicht: (2026)

Learn-to-Distance: Distance Learning for Detecting LLM-Generated Text
von: Zhou, Hongyi, et al.
Veröffentlicht: (2026)

LOVECon: Text-driven Training-Free Long Video Editing with ControlNet
von: Liao, Zhenyi, et al.
Veröffentlicht: (2023)

Ideal-LLM: Integrating Dual Encoders and Language-Adapted LLM for Multilingual Speech-to-Text
von: Xue, Hongfei, et al.
Veröffentlicht: (2024)

Thinking in Text and Images: Interleaved Vision--Language Reasoning Traces for Long-Horizon Robot Manipulation
von: Liu, Jinkun, et al.
Veröffentlicht: (2026)

Could Thinking Multilingually Empower LLM Reasoning?
von: Gao, Changjiang, et al.
Veröffentlicht: (2025)

Thinking with Constructions: A Benchmark and Policy Optimization for Visual-Text Interleaved Geometric Reasoning
von: Zhao, Haokun, et al.
Veröffentlicht: (2026)

Enhancing Spatial Reasoning through Visual and Textual Thinking
von: Liang, Xun, et al.
Veröffentlicht: (2025)

DualEdit: Mitigating Safety Fallback in LLM Backdoor Editing via Affirmation-Refusal Regulation
von: Jiang, Houcheng, et al.
Veröffentlicht: (2025)