Buchumschlag

Prompt Reinjection: Alleviating Prompt Forgetting in Multimodal Diffusion Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yao, Yuxuan, Chen, Yuxuan, Li, Hui, Cheng, Kaihui, Guo, Qipeng, Sun, Yuwei, Dong, Zilong, Wang, Jingdong, Zhu, Siyu
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

The Thinking Pixel: Recursive Sparse Reasoning in Multimodal Diffusion Latents
von: Sun, Yuwei, et al.
Veröffentlicht: (2026)

MixFlow Training: Alleviating Exposure Bias with Slowed Interpolation Mixture
von: Li, Hui, et al.
Veröffentlicht: (2025)

Hallo4: High-Fidelity Dynamic Portrait Animation via Direct Preference Optimization
von: Cui, Jiahao, et al.
Veröffentlicht: (2025)

OpenHumanVid: A Large-Scale High-Quality Dataset for Enhancing Human-Centric Video Generation
von: Li, Hui, et al.
Veröffentlicht: (2024)

Head-wise Adaptive Rotary Positional Encoding for Fine-Grained Image Generation
von: Li, Jiaye, et al.
Veröffentlicht: (2025)

Hallo2: Long-Duration and High-Resolution Audio-Driven Portrait Image Animation
von: Cui, Jiahao, et al.
Veröffentlicht: (2024)

UniAPO: Unified Multimodal Automated Prompt Optimization
von: Zhu, Qipeng, et al.
Veröffentlicht: (2025)

Hallo3: Highly Dynamic and Realistic Portrait Image Animation with Video Diffusion Transformer
von: Cui, Jiahao, et al.
Veröffentlicht: (2024)

ModalPrompt: Towards Efficient Multimodal Continual Instruction Tuning with Dual-Modality Guided Prompt
von: Zeng, Fanhu, et al.
Veröffentlicht: (2024)

Panther: Illuminate the Sight of Multimodal LLMs with Instruction-Guided Visual Prompts
von: Li, Honglin, et al.
Veröffentlicht: (2024)

Pixel-Perfect Depth with Semantics-Prompted Diffusion Transformers
von: Xu, Gangwei, et al.
Veröffentlicht: (2025)

Unleashing the Power of Prompt-driven Nucleus Instance Segmentation
von: Shui, Zhongyi, et al.
Veröffentlicht: (2023)

Skip and Skip: Segmenting Medical Images with Prompts
von: Chen, Jiawei, et al.
Veröffentlicht: (2024)

DicFace: Dirichlet-Constrained Variational Codebook Learning for Temporally Coherent Video Face Restoration
von: Chen, Yan, et al.
Veröffentlicht: (2025)

MoviePuzzle: Visual Narrative Reasoning through Multimodal Order Learning
von: Wang, Jianghui, et al.
Veröffentlicht: (2023)

The CLIP Model is Secretly an Image-to-Prompt Converter
von: Ding, Yuxuan, et al.
Veröffentlicht: (2023)

Prompting Forgetting: Unlearning in GANs via Textual Guidance
von: Nagasubramaniam, Piyush, et al.
Veröffentlicht: (2025)

Exploring Multimodal Diffusion Transformers for Enhanced Prompt-based Image Editing
von: Shin, Joonghyuk, et al.
Veröffentlicht: (2025)

TP-Eval: Tap Multimodal LLMs' Potential in Evaluation by Customizing Prompts
von: Xie, Yuxuan, et al.
Veröffentlicht: (2024)

SPT: Sequence Prompt Transformer for Interactive Image Segmentation
von: Cheng, Senlin, et al.
Veröffentlicht: (2024)

DPStyler: Dynamic PromptStyler for Source-Free Domain Generalization
von: Tang, Yunlong, et al.
Veröffentlicht: (2024)

Training-free Regional Prompting for Diffusion Transformers
von: Chen, Anthony, et al.
Veröffentlicht: (2024)

Local-Prompt: Extensible Local Prompts for Few-Shot Out-of-Distribution Detection
von: Zeng, Fanhu, et al.
Veröffentlicht: (2024)

Open-Set Video-based Facial Expression Recognition with Human Expression-sensitive Prompting
von: Liu, Yuanyuan, et al.
Veröffentlicht: (2024)

Prompt-Guided Adaptive Model Transformation for Whole Slide Image Classification
von: Lin, Yi, et al.
Veröffentlicht: (2024)

UAOR: Uncertainty-aware Observation Reinjection for Vision-Language-Action Models
von: Yang, Jiabing, et al.
Veröffentlicht: (2026)

EVF-SAM: Early Vision-Language Fusion for Text-Prompted Segment Anything Model
von: Zhang, Yuxuan, et al.
Veröffentlicht: (2024)

OmniMotion: Multimodal Motion Generation with Continuous Masked Autoregression
von: Li, Zhe, et al.
Veröffentlicht: (2025)

VRP-SAM: SAM with Visual Reference Prompt
von: Sun, Yanpeng, et al.
Veröffentlicht: (2024)

Diff-Prompt: Diffusion-Driven Prompt Generator with Mask Supervision
von: Yan, Weicai, et al.
Veröffentlicht: (2025)

SCING:Towards More Efficient and Robust Person Re-Identification through Selective Cross-modal Prompt Tuning
von: Xie, Yunfei, et al.
Veröffentlicht: (2025)

Test-Time Multimodal Backdoor Detection by Contrastive Prompting
von: Niu, Yuwei, et al.
Veröffentlicht: (2024)

Video Virtual Try-on with Conditional Diffusion Transformer Inpainter
von: Zou, Cheng, et al.
Veröffentlicht: (2025)

Prompt Diffusion Robustifies Any-Modality Prompt Learning
von: Du, Yingjun, et al.
Veröffentlicht: (2024)

Unsupervised Pre-training with Language-Vision Prompts for Low-Data Instance Segmentation
von: Zhang, Dingwen, et al.
Veröffentlicht: (2024)

Video-As-Prompt: Unified Semantic Control for Video Generation
von: Bian, Yuxuan, et al.
Veröffentlicht: (2025)

PECTP: Parameter-Efficient Cross-Task Prompts for Incremental Vision Transformer
von: Feng, Qian, et al.
Veröffentlicht: (2024)

Pyramidal Patchification Flow for Visual Generation
von: Li, Hui, et al.
Veröffentlicht: (2025)

ExoViP: Step-by-step Verification and Exploration with Exoskeleton Modules for Compositional Visual Reasoning
von: Wang, Yuxuan, et al.
Veröffentlicht: (2024)

Exploring Interpretability for Visual Prompt Tuning with Cross-layer Concepts
von: Wang, Yubin, et al.
Veröffentlicht: (2025)