Buchumschlag

Image Generation with a Sphere Encoder

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yue, Kaiyu, Jia, Menglin, Hou, Ji, Goldstein, Tom
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

Zero-Shot Vision Encoder Grafting via LLM Surrogates
von: Yue, Kaiyu, et al.
Veröffentlicht: (2025)

Efficient Image Synthesis with Sphere Latent Encoder
von: Do, Tung, et al.
Veröffentlicht: (2026)

Object Recognition as Next Token Prediction
von: Yue, Kaiyu, et al.
Veröffentlicht: (2023)

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

From Pixels to Prose: A Large Dataset of Dense Image Captions
von: Singla, Vasu, et al.
Veröffentlicht: (2024)

FlowBypass: Rectified Flow Trajectory Bypass for Training-Free Image Editing
von: Han, Menglin, et al.
Veröffentlicht: (2026)

UNIT: Unifying Image and Text Recognition in One Vision Encoder
von: Zhu, Yi, et al.
Veröffentlicht: (2024)

General Vision Encoder Features as Guidance in Medical Image Registration
von: Kögl, Fryderyk, et al.
Veröffentlicht: (2024)

Flow Matching Posterior Sampling: A Training-free Conditional Generation for Flow Matching
von: Song, Kaiyu, et al.
Veröffentlicht: (2024)

Encoder-Only Image Registration
von: Chen, Xiang, et al.
Veröffentlicht: (2025)

Think-Then-Generate: Reasoning-Aware Text-to-Image Diffusion with LLM Encoders
von: Kou, Siqi, et al.
Veröffentlicht: (2026)

TextBoost: Boosting Text Encoder for Personalized Text-to-Image Generation
von: Park, NaHyeon, et al.
Veröffentlicht: (2024)

Prior-Constrained Association Learning for Fine-Grained Generalized Category Discovery
von: Wang, Menglin, et al.
Veröffentlicht: (2025)

Text-Guided Semantic Image Encoder
von: Thirukovalluru, Raghuveer, et al.
Veröffentlicht: (2025)

IDProtector: An Adversarial Noise Encoder to Protect Against ID-Preserving Image Generation
von: Song, Yiren, et al.
Veröffentlicht: (2024)

Modality-Aware Bias Mitigation and Invariance Learning for Unsupervised Visible-Infrared Person Re-Identification
von: Wang, Menglin, et al.
Veröffentlicht: (2025)

FineGRAIN: Evaluating Failure Modes of Text-to-Image Models with Vision Language Model Judges
von: Hayes, Kevin David, et al.
Veröffentlicht: (2025)

MobileDiffusion: Instant Text-to-Image Generation on Mobile Devices
von: Zhao, Yang, et al.
Veröffentlicht: (2023)

Semantically Robust Unsupervised Image Translation for Paired Remote Sensing Images
von: Fang, Sheng, et al.
Veröffentlicht: (2025)

Patch-enhanced Mask Encoder Prompt Image Generation
von: Xu, Shusong, et al.
Veröffentlicht: (2024)

Neural Light Spheres for Implicit Image Stitching and View Synthesis
von: Chugunov, Ilya, et al.
Veröffentlicht: (2024)

SphereDrag: Spherical Geometry-Aware Panoramic Image Editing
von: Feng, Zhiao, et al.
Veröffentlicht: (2025)

General Purpose Image Encoder DINOv2 for Medical Image Registration
von: Song, Xinrui, et al.
Veröffentlicht: (2024)

Vision-Based Localization in Dense Urban Environments: A Case Study of an Urban Village in China
von: Wu, Menglin, et al.
Veröffentlicht: (2026)

Both Semantics and Reconstruction Matter: Making Representation Encoders Ready for Text-to-Image Generation and Editing
von: Zhang, Shilong, et al.
Veröffentlicht: (2025)

Covariance Descriptors Meet General Vision Encoders: Riemannian Deep Learning for Medical Image Classification
von: Mayr, Josef, et al.
Veröffentlicht: (2025)

Latent Enhancing AutoEncoder for Occluded Image Classification
von: Kotwal, Ketan, et al.
Veröffentlicht: (2024)

Video Prediction Models as General Visual Encoders
von: Maier, James, et al.
Veröffentlicht: (2024)

PhyGDPO: Physics-Aware Groupwise Direct Preference Optimization for Physically Consistent Text-to-Video Generation
von: Cai, Yuanhao, et al.
Veröffentlicht: (2025)

Topology Sculptor, Shape Refiner: Discrete Diffusion Model for High-Fidelity 3D Meshes Generation
von: Song, Kaiyu, et al.
Veröffentlicht: (2025)

Rethinking Oversaturation in Classifier-Free Guidance via Low Frequency
von: Song, Kaiyu, et al.
Veröffentlicht: (2025)

Leveraging Previous Steps: A Training-free Fast Solver for Flow Diffusion
von: Song, Kaiyu, et al.
Veröffentlicht: (2024)

Improving Training-free Conditional Diffusion Model via Fisher Information
von: Song, Kaiyu, et al.
Veröffentlicht: (2024)

Adaptive Caching for Faster Video Generation with Diffusion Transformers
von: Kahatapitiya, Kumara, et al.
Veröffentlicht: (2024)

Breaking the Encoder Barrier for Seamless Video-Language Understanding
von: Li, Handong, et al.
Veröffentlicht: (2025)

Tuna-2: Pixel Embeddings Beat Vision Encoders for Multimodal Understanding and Generation
von: Liu, Zhiheng, et al.
Veröffentlicht: (2026)

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

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

Ultra-Low Bitrate Perceptual Image Compression with Shallow Encoder
von: Zhang, Tianyu, et al.
Veröffentlicht: (2025)

Distilled Pooling Transformer Encoder for Efficient Realistic Image Dehazing
von: Tran, Le-Anh, et al.
Veröffentlicht: (2024)