Buchumschlag

TIMI: Training-Free Image-to-3D Multi-Instance Generation with Spatial Fidelity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cai, Xiao, Gao, Lianli, Zeng, Pengpeng, Zhang, Ji, Shen, Heng Tao, Song, Jingkuan
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

SeMv-3D: Towards Concurrency of Semantic and Multi-view Consistency in General Text-to-3D Generation
von: Cai, Xiao, et al.
Veröffentlicht: (2024)

Towards Generalized and Training-Free Text-Guided Semantic Manipulation
von: Hong, Yu, et al.
Veröffentlicht: (2025)

Reversible Inversion for Training-Free Exemplar-guided Image Editing
von: Li, Yuke, et al.
Veröffentlicht: (2025)

GT23D-Bench: A Comprehensive General Text-to-3D Generation Benchmark
von: Cai, Xiao, et al.
Veröffentlicht: (2024)

CFReID: Continual Few-shot Person Re-Identification
von: Ni, Hao, et al.
Veröffentlicht: (2025)

Skip Tuning: Pre-trained Vision-Language Models are Effective and Efficient Adapters Themselves
von: Wu, Shihan, et al.
Veröffentlicht: (2024)

ProS: Prompting-to-simulate Generalized knowledge for Universal Cross-Domain Retrieval
von: Fang, Kaipeng, et al.
Veröffentlicht: (2023)

F3-Pruning: A Training-Free and Generalized Pruning Strategy towards Faster and Finer Text-to-Video Synthesis
von: Su, Sitong, et al.
Veröffentlicht: (2023)

DePT: Decoupled Prompt Tuning
von: Zhang, Ji, et al.
Veröffentlicht: (2023)

Reliable Few-shot Learning under Dual Noises
von: Zhang, Ji, et al.
Veröffentlicht: (2025)

Benchmarking Few-shot Transferability of Pre-trained Models with Improved Evaluation Protocols
von: Luo, Xu, et al.
Veröffentlicht: (2026)

AICL: Action In-Context Learning for Video Diffusion Model
von: Liu, Jianzhi, et al.
Veröffentlicht: (2024)

Alleviating Hallucinations in Large Vision-Language Models through Hallucination-Induced Optimization
von: Lyu, Xinyu, et al.
Veröffentlicht: (2024)

Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval
von: Li, Hao, et al.
Veröffentlicht: (2023)

Attention Hijackers: Detect and Disentangle Attention Hijacking in LVLMs for Hallucination Mitigation
von: Chen, Beitao, et al.
Veröffentlicht: (2025)

A Closer Look at Conditional Prompt Tuning for Vision-Language Models
von: Zhang, Ji, et al.
Veröffentlicht: (2025)

Training-Free Semantic Video Composition via Pre-trained Diffusion Model
von: Guo, Jiaqi, et al.
Veröffentlicht: (2024)

Text-Video Retrieval with Global-Local Semantic Consistent Learning
von: Zhang, Haonan, et al.
Veröffentlicht: (2024)

SafePTR: Token-Level Jailbreak Defense in Multimodal LLMs via Prune-then-Restore Mechanism
von: Chen, Beitao, et al.
Veröffentlicht: (2025)

ALF: Adaptive Label Finetuning for Scene Graph Generation
von: Chen, Qishen, et al.
Veröffentlicht: (2023)

Scale-Aware Pre-Training for Human-Centric Visual Perception: Enabling Lightweight and Generalizable Models
von: Wang, Xuanhan, et al.
Veröffentlicht: (2025)

From One-to-One to Many-to-Many: Dynamic Cross-Layer Injection for Deep Vision-Language Fusion
von: Chen, Cheng, et al.
Veröffentlicht: (2026)

Structure-aware Prompt Adaptation from Seen to Unseen for Open-Vocabulary Compositional Zero-Shot Learning
von: Duan, Yihang, et al.
Veröffentlicht: (2026)

Generalized Unbiased Scene Graph Generation
von: Lyu, Xinyu, et al.
Veröffentlicht: (2023)

A Survey on Efficient Vision-Language-Action Models
von: Yu, Zhaoshu, et al.
Veröffentlicht: (2025)

Practical No-box Adversarial Attacks with Training-free Hybrid Image Transformation
von: Zhang, Qilong, et al.
Veröffentlicht: (2022)

Informative Scene Graph Generation via Debiasing
von: Gao, Lianli, et al.
Veröffentlicht: (2023)

Learning Generalizable and Efficient Image Watermarking via Hierarchical Two-Stage Optimization
von: Liu, Ke, et al.
Veröffentlicht: (2025)

Towards Redundancy-Free Sub-networks in Continual Learning
von: Chen, Cheng, et al.
Veröffentlicht: (2023)

Any Target Can be Offense: Adversarial Example Generation via Generalized Latent Infection
von: Sun, Youheng, et al.
Veröffentlicht: (2024)

From Channel Bias to Feature Redundancy: Uncovering the "Less is More" Principle in Few-Shot Learning
von: Zhang, Ji, et al.
Veröffentlicht: (2023)

CoIN: A Benchmark of Continual Instruction tuNing for Multimodel Large Language Model
von: Chen, Cheng, et al.
Veröffentlicht: (2024)

Unlocking Smarter Device Control: Foresighted Planning with a World Model-Driven Code Execution Approach
von: Yin, Xiaoran, et al.
Veröffentlicht: (2025)

RoScenes: A Large-scale Multi-view 3D Dataset for Roadside Perception
von: Zhu, Xiaosu, et al.
Veröffentlicht: (2024)

Debiased Orthogonal Boundary-Driven Efficient Noise Mitigation
von: Li, Hao, et al.
Veröffentlicht: (2024)

Shortcut Learning in Generalist Robot Policies: The Role of Dataset Diversity and Fragmentation
von: Xing, Youguang, et al.
Veröffentlicht: (2025)

FlexAC: Towards Flexible Control of Associative Reasoning in Multimodal Large Language Models
von: Yuan, Shengming, et al.
Veröffentlicht: (2025)

Dynamic Pattern Alignment Learning for Pretraining Lightweight Human-Centric Vision Models
von: Wang, Xuanhan, et al.
Veröffentlicht: (2025)

VQ-Flow: Taming Normalizing Flows for Multi-Class Anomaly Detection via Hierarchical Vector Quantization
von: Zhou, Yixuan, et al.
Veröffentlicht: (2024)

ISAC: Training-Free Instance-to-Semantic Attention Control for Improving Multi-Instance Generation
von: Jo, Sanghyun, et al.
Veröffentlicht: (2025)