Buchumschlag

From Sparse to Dense: Multi-View GRPO for Flow Models via Augmented Condition Space

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bu, Jiazi, Ling, Pengyang, Zhou, Yujie, Wang, Yibin, Zang, Yuhang, Wei, Tianyi, Zhan, Xiaohang, Wang, Jiaqi, Wu, Tong, Pan, Xingang, Lin, Dahua
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

Fine-Grained GRPO for Precise Preference Alignment in Flow Models
von: Zhou, Yujie, et al.
Veröffentlicht: (2025)

DiCache: Let Diffusion Model Determine Its Own Cache
von: Bu, Jiazi, et al.
Veröffentlicht: (2025)

HiFlow: Training-free High-Resolution Image Generation with Flow-Aligned Guidance
von: Bu, Jiazi, et al.
Veröffentlicht: (2025)

Pave-GRPO: Beyond Instantaneous Guidance through Principled Average Velocity Decomposition
von: Ling, Pengyang, et al.
Veröffentlicht: (2026)

Pref-GRPO: Pairwise Preference Reward-based GRPO for Stable Text-to-Image Reinforcement Learning
von: Wang, Yibin, et al.
Veröffentlicht: (2025)

ByTheWay: Boost Your Text-to-Video Generation Model to Higher Quality in a Training-free Way
von: Bu, Jiazi, et al.
Veröffentlicht: (2024)

Unified Personalized Reward Model for Vision Generation
von: Wang, Yibin, et al.
Veröffentlicht: (2026)

MotionClone: Training-Free Motion Cloning for Controllable Video Generation
von: Ling, Pengyang, et al.
Veröffentlicht: (2024)

Light-A-Video: Training-free Video Relighting via Progressive Light Fusion
von: Zhou, Yujie, et al.
Veröffentlicht: (2025)

Uni-Classifier: Leveraging Video Diffusion Priors for Universal Guidance Classifier
von: Zhou, Yujie, et al.
Veröffentlicht: (2026)

UniGenBench++: A Unified Semantic Evaluation Benchmark for Text-to-Image Generation
von: Wang, Yibin, et al.
Veröffentlicht: (2025)

DenseGRPO: From Sparse to Dense Reward for Flow Matching Model Alignment
von: Deng, Haoyou, et al.
Veröffentlicht: (2026)

ReasonPix2Pix: Instruction Reasoning Dataset for Advanced Image Editing
von: Jin, Ying, et al.
Veröffentlicht: (2024)

CapRL: Stimulating Dense Image Caption Capabilities via Reinforcement Learning
von: Xing, Long, et al.
Veröffentlicht: (2025)

Unified Reward Model for Multimodal Understanding and Generation
von: Wang, Yibin, et al.
Veröffentlicht: (2025)

Visual Self-Refine: A Pixel-Guided Paradigm for Accurate Chart Parsing
von: Li, Jinsong, et al.
Veröffentlicht: (2026)

Beyond Fixed: Training-Free Variable-Length Denoising for Diffusion Large Language Models
von: Li, Jinsong, et al.
Veröffentlicht: (2025)

RAR: Retrieving And Ranking Augmented MLLMs for Visual Recognition
von: Liu, Ziyu, et al.
Veröffentlicht: (2024)

MIA-DPO: Multi-Image Augmented Direct Preference Optimization For Large Vision-Language Models
von: Liu, Ziyu, et al.
Veröffentlicht: (2024)

Bootstrap3D: Improving Multi-view Diffusion Model with Synthetic Data
von: Sun, Zeyi, et al.
Veröffentlicht: (2024)

SEAgent: Self-Evolving Computer Use Agent with Autonomous Learning from Experience
von: Sun, Zeyi, et al.
Veröffentlicht: (2025)

Dispider: Enabling Video LLMs with Active Real-Time Interaction via Disentangled Perception, Decision, and Reaction
von: Qian, Rui, et al.
Veröffentlicht: (2025)

EndoCoT: Scaling Endogenous Chain-of-Thought Reasoning in Diffusion Models
von: Dai, Xuanlang, et al.
Veröffentlicht: (2026)

Streaming Long Video Understanding with Large Language Models
von: Qian, Rui, et al.
Veröffentlicht: (2024)

Think Visually, Reason Textually: Vision-Language Synergy in ARC
von: Zhang, Beichen, et al.
Veröffentlicht: (2025)

Spatial As Deep: Spatial CNN for Traffic Scene Understanding
von: Pan, Xingang, et al.
Veröffentlicht: (2017)

ETCHR: Editing To Clarify and Harness Reasoning
von: Zhang, Beichen, et al.
Veröffentlicht: (2026)

X-Prompt: Towards Universal In-Context Image Generation in Auto-Regressive Vision Language Foundation Models
von: Sun, Zeyi, et al.
Veröffentlicht: (2024)

Dense Semantic Matching with VGGT Prior
von: Yang, Songlin, et al.
Veröffentlicht: (2025)

DualFocus: Integrating Macro and Micro Perspectives in Multi-modal Large Language Models
von: Cao, Yuhang, et al.
Veröffentlicht: (2024)

SAM2Long: Enhancing SAM 2 for Long Video Segmentation with a Training-Free Memory Tree
von: Ding, Shuangrui, et al.
Veröffentlicht: (2024)

SongGen: A Single Stage Auto-regressive Transformer for Text-to-Song Generation
von: Liu, Zihan, et al.
Veröffentlicht: (2025)

BoostStep: Boosting mathematical capability of Large Language Models via improved single-step reasoning
von: Zhang, Beichen, et al.
Veröffentlicht: (2025)

Deciphering Cross-Modal Alignment in Large Vision-Language Models with Modality Integration Rate
von: Huang, Qidong, et al.
Veröffentlicht: (2024)

Unified Multimodal Chain-of-Thought Reward Model through Reinforcement Fine-Tuning
von: Wang, Yibin, et al.
Veröffentlicht: (2025)

FSFSplatter: Build Surface and Novel Views with Sparse-Views within 2min
von: Zhao, Yibin, et al.
Veröffentlicht: (2025)

Trainable Log-linear Sparse Attention for Efficient Diffusion Transformers
von: Zhou, Yifan, et al.
Veröffentlicht: (2025)

SPARK: Synergistic Policy And Reward Co-Evolving Framework
von: Liu, Ziyu, et al.
Veröffentlicht: (2025)

Visual-RFT: Visual Reinforcement Fine-Tuning
von: Liu, Ziyu, et al.
Veröffentlicht: (2025)

SIM-CoT: Supervised Implicit Chain-of-Thought
von: Wei, Xilin, et al.
Veröffentlicht: (2025)