:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Meng, Rang, Wu, Weipeng, Li, Yuming, Ma, Chenguang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	https://arxiv.org/abs/2602.13669
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

EchoMimicV3: 1.3B Parameters are All You Need for Unified Multi-Modal and Multi-Task Human Animation
von: Meng, Rang, et al.
Veröffentlicht: (2025)

EchoMimicV2: Towards Striking, Simplified, and Semi-Body Human Animation
von: Meng, Rang, et al.
Veröffentlicht: (2024)

EchoMimic: Lifelike Audio-Driven Portrait Animations through Editable Landmark Conditions
von: Chen, Zhiyuan, et al.
Veröffentlicht: (2024)

SwiftTry: Fast and Consistent Video Virtual Try-On with Diffusion Models
von: Nguyen, Hung, et al.
Veröffentlicht: (2024)

Efficient Video Face Enhancement with Enhanced Spatial-Temporal Consistency
von: Wang, Yutong, et al.
Veröffentlicht: (2024)

EchoShot: Multi-Shot Portrait Video Generation
von: Wang, Jiahao, et al.
Veröffentlicht: (2025)

Echo-Path: Pathology-Conditioned Echo Video Generation
von: Muhammad, Kabir Hamzah, et al.
Veröffentlicht: (2025)

EchoMotion: Unified Human Video and Motion Generation via Dual-Modality Diffusion Transformer
von: Yang, Yuxiao, et al.
Veröffentlicht: (2025)

BiSwift: Bandwidth Orchestrator for Multi-Stream Video Analytics on Edge
von: Sun, Lin, et al.
Veröffentlicht: (2023)

EchoFlow: A Foundation Model for Cardiac Ultrasound Image and Video Generation
von: Reynaud, Hadrien, et al.
Veröffentlicht: (2025)

SneakPeek: Future-Guided Instructional Streaming Video Generation
von: Hong, Cheeun, et al.
Veröffentlicht: (2025)

MultiModal Action Conditioned Video Generation
von: Li, Yichen, et al.
Veröffentlicht: (2025)

FlashVideo: A Framework for Swift Inference in Text-to-Video Generation
von: Lei, Bin, et al.
Veröffentlicht: (2023)

ShotStream: Streaming Multi-Shot Video Generation for Interactive Storytelling
von: Luo, Yawen, et al.
Veröffentlicht: (2026)

Echo-Forcing: A Scene Memory Framework for Interactive Long Video Generation
von: Wu, Mingqiang, et al.
Veröffentlicht: (2026)

StreamEQA: Towards Streaming Video Understanding for Embodied Scenarios
von: Wang, Yifei, et al.
Veröffentlicht: (2025)

EchoNet-Synthetic: Privacy-preserving Video Generation for Safe Medical Data Sharing
von: Reynaud, Hadrien, et al.
Veröffentlicht: (2024)

SwiftVideo: A Unified Framework for Few-Step Video Generation through Trajectory-Distribution Alignment
von: Sun, Yanxiao, et al.
Veröffentlicht: (2025)

HuMo: Human-Centric Video Generation via Collaborative Multi-Modal Conditioning
von: Chen, Liyang, et al.
Veröffentlicht: (2025)

Stream-T1: Test-Time Scaling for Streaming Video Generation
von: Tu, Yijing, et al.
Veröffentlicht: (2026)

MAVEN A Multi-Agent Framework for Multicultural Text-to-Video Generation
von: Li, Shuowei, et al.
Veröffentlicht: (2026)

EchoVideo: Identity-Preserving Human Video Generation by Multimodal Feature Fusion
von: Wei, Jiangchuan, et al.
Veröffentlicht: (2025)

EchoPrune: Interpreting Redundancy as Temporal Echoes for Efficient VideoLLMs
von: Li, Jiameng, et al.
Veröffentlicht: (2026)

InfVSR: Toward Consistency-Driven Streaming Generative Video Super-Resolution
von: Zhang, Ziqing, et al.
Veröffentlicht: (2025)

StreamAgent: Towards Anticipatory Agents for Streaming Video Understanding
von: Yang, Haolin, et al.
Veröffentlicht: (2025)

Stream-R1: Reliability-Perplexity Aware Reward Distillation for Streaming Video Generation
von: Wu, Bin, et al.
Veröffentlicht: (2026)

S2DiT: Sandwich Diffusion Transformer for Mobile Streaming Video Generation
von: Zhao, Lin, et al.
Veröffentlicht: (2026)

Unifying Heterogeneous Multi-Modal Remote Sensing Detection Via Language-Pivoted Pretraining
von: Li, Yuxuan, et al.
Veröffentlicht: (2026)

EchoFoley: Event-Centric Hierarchical Control for Video Grounded Creative Sound Generation
von: Li, Bingxuan, et al.
Veröffentlicht: (2025)

EchoingECG: An Electrocardiogram Cross-Modal Model for Echocardiogram Tasks
von: Gao, Yuan, et al.
Veröffentlicht: (2025)

OmniNFT: Modality-wise Omni Diffusion Reinforcement for Joint Audio-Video Generation
von: Zhang, Guohui, et al.
Veröffentlicht: (2026)

Multi-Modal Generative Embedding Model
von: Ma, Feipeng, et al.
Veröffentlicht: (2024)

MMControl: Unified Multi-Modal Control for Joint Audio-Video Generation
von: Li, Liyang, et al.
Veröffentlicht: (2026)

On Learning Multi-Modal Forgery Representation for Diffusion Generated Video Detection
von: Song, Xiufeng, et al.
Veröffentlicht: (2024)

MVPBench: A Multi-Video Perception Evaluation Benchmark for Multi-Modal Video Understanding
von: Bai, Purui, et al.
Veröffentlicht: (2026)

SwiftI2V: Efficient High-Resolution Image-to-Video Generation via Conditional Segment-wise Generation
von: Liu, YaoYang, et al.
Veröffentlicht: (2026)

Audio-Sync Video Generation with Multi-Stream Temporal Control
von: Weng, Shuchen, et al.
Veröffentlicht: (2025)

Towards Explainable AI: Multi-Modal Transformer for Video-based Image Description Generation
von: Agarwal, Lakshita, et al.
Veröffentlicht: (2025)

UnityVideo: Unified Multi-Modal Multi-Task Learning for Enhancing World-Aware Video Generation
von: Huang, Jiehui, et al.
Veröffentlicht: (2025)

StreamChat: Chatting with Streaming Video
von: Liu, Jihao, et al.
Veröffentlicht: (2024)