Buchumschlag

Early Failure Detection and Intervention in Video Diffusion Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Byung-Ki, Kwon, Lim, Sohwi, Hyeon-Woo, Nam, Ye-Bin, Moon, Oh, Tae-Hyun
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

Patch-wise Retrieval: A Bag of Practical Techniques for Instance-level Matching
von: Choi, Wonseok, et al.
Veröffentlicht: (2025)

BEAF: Observing BEfore-AFter Changes to Evaluate Hallucination in Vision-language Models
von: Ye-Bin, Moon, et al.
Veröffentlicht: (2024)

VLM's Eye Examination: Instruct and Inspect Visual Competency of Vision Language Models
von: Hyeon-Woo, Nam, et al.
Veröffentlicht: (2024)

Measurement-Consistent Langevin Corrector for Stabilizing Latent Diffusion Inverse Problem Solvers
von: Hyoseok, Lee, et al.
Veröffentlicht: (2026)

Learning-based Axial Video Motion Magnification
von: Byung-Ki, Kwon, et al.
Veröffentlicht: (2023)

CLAY: Conditional Visual Similarity Modulation in Vision-Language Embedding Space
von: Lim, Sohwi, et al.
Veröffentlicht: (2026)

JointDiT: Enhancing RGB-Depth Joint Modeling with Diffusion Transformers
von: Byung-Ki, Kwon, et al.
Veröffentlicht: (2025)

Learning Correlation-aware Aleatoric Uncertainty for 3D Hand Pose Estimation
von: Chae-Yeon, Lee, et al.
Veröffentlicht: (2025)

SYNAuG: Exploiting Synthetic Data for Data Imbalance Problems
von: Ye-Bin, Moon, et al.
Veröffentlicht: (2023)

Zero-shot Depth Completion via Test-time Alignment with Affine-invariant Depth Prior
von: Hyoseok, Lee, et al.
Veröffentlicht: (2025)

HDR-NSFF: High Dynamic Range Neural Scene Flow Fields
von: Dong-Yeon, Shin, et al.
Veröffentlicht: (2026)

Co-learning Single-Step Diffusion Upsampler and Downsampler with Two Discriminators and Distillation
von: Kim, Sohwi, et al.
Veröffentlicht: (2024)

The Devil is in the Details: Simple Remedies for Image-to-LiDAR Representation Learning
von: Jo, Wonjun, et al.
Veröffentlicht: (2025)

RetouchLLM: Training-free Code-based Image Retouching with Vision Language Models
von: Ye-Bin, Moon, et al.
Veröffentlicht: (2025)

Revisiting Learning-based Video Motion Magnification for Real-time Processing
von: Ha, Hyunwoo, et al.
Veröffentlicht: (2024)

VSC: Visual Search Compositional Text-to-Image Diffusion Model
von: Dat, Do Huu, et al.
Veröffentlicht: (2025)

MultiTalk: Enhancing 3D Talking Head Generation Across Languages with Multilingual Video Dataset
von: Sung-Bin, Kim, et al.
Veröffentlicht: (2024)

Controllable and Efficient Multi-Class Pathology Nuclei Data Augmentation using Text-Conditioned Diffusion Models
von: Oh, Hyun-Jic, et al.
Veröffentlicht: (2024)

Face2Parts: Exploring Coarse-to-Fine Inter-Regional Facial Dependencies for Generalized Deepfake Detection
von: Uddin, Kutub, et al.
Veröffentlicht: (2026)

MemBench: Memorized Image Trigger Prompt Dataset for Diffusion Models
von: Hong, Chunsan, et al.
Veröffentlicht: (2024)

PAVAS: Physics-Aware Video-to-Audio Synthesis
von: Hyun-Bin, Oh, et al.
Veröffentlicht: (2025)

M2SFormer: Multi-Spectral and Multi-Scale Attention with Edge-Aware Difficulty Guidance for Image Forgery Localization
von: Nam, Ju-Hyeon, et al.
Veröffentlicht: (2025)

Scratching Visual Transformer's Back with Uniform Attention
von: Hyeon-Woo, Nam, et al.
Veröffentlicht: (2022)

Co-synthesis of Histopathology Nuclei Image-Label Pairs using a Context-Conditioned Joint Diffusion Model
von: Min, Seonghui, et al.
Veröffentlicht: (2024)

HiCM$^2$: Hierarchical Compact Memory Modeling for Dense Video Captioning
von: Kim, Minkuk, et al.
Veröffentlicht: (2024)

Perceptually Accurate 3D Talking Head Generation: New Definitions, Speech-Mesh Representation, and Evaluation Metrics
von: Chae-Yeon, Lee, et al.
Veröffentlicht: (2025)

GaussExplorer: 3D Gaussian Splatting for Embodied Exploration and Reasoning
von: Yu-Ji, Kim, et al.
Veröffentlicht: (2026)

UM-Depth : Uncertainty Masked Self-Supervised Monocular Depth Estimation with Visual Odometry
von: Um, Tae-Wook, et al.
Veröffentlicht: (2025)

AVHBench: A Cross-Modal Hallucination Benchmark for Audio-Visual Large Language Models
von: Sung-Bin, Kim, et al.
Veröffentlicht: (2024)

Localized Concept Erasure for Text-to-Image Diffusion Models Using Training-Free Gated Low-Rank Adaptation
von: Lee, Byung Hyun, et al.
Veröffentlicht: (2025)

Balancing Efficiency and Quality: MoEISR for Arbitrary-Scale Image Super-Resolution
von: Oh, Young Jae, et al.
Veröffentlicht: (2023)

Enhancing Speech-Driven 3D Facial Animation with Audio-Visual Guidance from Lip Reading Expert
von: EunGi, Han, et al.
Veröffentlicht: (2024)

Do You Remember? Dense Video Captioning with Cross-Modal Memory Retrieval
von: Kim, Minkuk, et al.
Veröffentlicht: (2024)

Synthetic Data Augmentation using Pre-trained Diffusion Models for Long-tailed Food Image Classification
von: Koh, GaYeon, et al.
Veröffentlicht: (2025)

LogicQA: Logical Anomaly Detection with Vision Language Model Generated Questions
von: Kwon, Yejin, et al.
Veröffentlicht: (2025)

DarkVRAI: Capture-Condition Conditioning and Burst-Order Selective Scan for Low-light RAW Video Denoising
von: Oh, Youngjin, et al.
Veröffentlicht: (2025)

YOLO-Drone: An Efficient Object Detection Approach Using the GhostHead Network for Drone Images
von: Jung, Hyun-Ki
Veröffentlicht: (2025)

Harnessing Meta-Learning for Improving Full-Frame Video Stabilization
von: Ali, Muhammad Kashif, et al.
Veröffentlicht: (2024)

Before Forgetting, Learn to Remember: Revisiting Foundational Learning Failures in LVLM Unlearning Benchmarks
von: Kwon, JuneHyoung, et al.
Veröffentlicht: (2026)

Retrieval-Augmented Natural Language Reasoning for Explainable Visual Question Answering
von: Lim, Su Hyeon, et al.
Veröffentlicht: (2024)