Persistent Story World Simulation with Continuous Character Customization
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhang, Jinlu, Wang, Qiyun, Du, Baoxiang, Ji, Jiayi, He, Jing, Zhang, Rongsheng, Lv, Tangjie, Sun, Xiaoshuai, Ji, Rongrong |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
StoryWeaver: A Unified World Model for Knowledge-Enhanced Story Character Customization
par: Zhang, Jinlu, et autres
Publié: (2024)
par: Zhang, Jinlu, et autres
Publié: (2024)
Beyond First Impressions: Integrating Joint Multi-modal Cues for Comprehensive 3D Representation
par: Wang, Haowei, et autres
Publié: (2023)
par: Wang, Haowei, et autres
Publié: (2023)
Image Captioning via Dynamic Path Customization
par: Ma, Yiwei, et autres
Publié: (2024)
par: Ma, Yiwei, et autres
Publié: (2024)
MICON-Bench: Benchmarking and Enhancing Multi-Image Context Image Generation in Unified Multimodal Models
par: Wu, Mingrui, et autres
Publié: (2026)
par: Wu, Mingrui, et autres
Publié: (2026)
CIR-CoT: Towards Interpretable Composed Image Retrieval via End-to-End Chain-of-Thought Reasoning
par: Lin, Weihuang, et autres
Publié: (2025)
par: Lin, Weihuang, et autres
Publié: (2025)
Any-to-3D Generation via Hybrid Diffusion Supervision
par: Fan, Yijun, et autres
Publié: (2024)
par: Fan, Yijun, et autres
Publié: (2024)
Let Storytelling Tell Vivid Stories: An Expressive and Fluent Multimodal Storyteller
par: Zang, Chuanqi, et autres
Publié: (2024)
par: Zang, Chuanqi, et autres
Publié: (2024)
M4-BLIP: Advancing Multi-Modal Media Manipulation Detection through Face-Enhanced Local Analysis
par: Wu, Hang, et autres
Publié: (2025)
par: Wu, Hang, et autres
Publié: (2025)
Fast Text-to-3D-Aware Face Generation and Manipulation via Direct Cross-modal Mapping and Geometric Regularization
par: Zhang, Jinlu, et autres
Publié: (2024)
par: Zhang, Jinlu, et autres
Publié: (2024)
Beat: Bi-directional One-to-Many Embedding Alignment for Text-based Person Retrieval
par: Ma, Yiwei, et autres
Publié: (2024)
par: Ma, Yiwei, et autres
Publié: (2024)
X-Oscar: A Progressive Framework for High-quality Text-guided 3D Animatable Avatar Generation
par: Ma, Yiwei, et autres
Publié: (2024)
par: Ma, Yiwei, et autres
Publié: (2024)
Mixed Degradation Image Restoration via Local Dynamic Optimization and Conditional Embedding
par: Gu, Yubin, et autres
Publié: (2024)
par: Gu, Yubin, et autres
Publié: (2024)
JM3D & JM3D-LLM: Elevating 3D Understanding with Joint Multi-modal Cues
par: Ji, Jiayi, et autres
Publié: (2023)
par: Ji, Jiayi, et autres
Publié: (2023)
Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation
par: Liu, Sihan, et autres
Publié: (2023)
par: Liu, Sihan, et autres
Publié: (2023)
MLLM-Selector: Necessity and Diversity-driven High-Value Data Selection for Enhanced Visual Instruction Tuning
par: Ma, Yiwei, et autres
Publié: (2025)
par: Ma, Yiwei, et autres
Publié: (2025)
HRSeg: High-Resolution Visual Perception and Enhancement for Reasoning Segmentation
par: Lin, Weihuang, et autres
Publié: (2025)
par: Lin, Weihuang, et autres
Publié: (2025)
Multi-branch Collaborative Learning Network for 3D Visual Grounding
par: Qian, Zhipeng, et autres
Publié: (2024)
par: Qian, Zhipeng, et autres
Publié: (2024)
$γ-$MoD: Exploring Mixture-of-Depth Adaptation for Multimodal Large Language Models
par: Luo, Yaxin, et autres
Publié: (2024)
par: Luo, Yaxin, et autres
Publié: (2024)
Evaluating and Analyzing Relationship Hallucinations in Large Vision-Language Models
par: Wu, Mingrui, et autres
Publié: (2024)
par: Wu, Mingrui, et autres
Publié: (2024)
Exploring Phrase-Level Grounding with Text-to-Image Diffusion Model
par: Yang, Danni, et autres
Publié: (2024)
par: Yang, Danni, et autres
Publié: (2024)
SAM as the Guide: Mastering Pseudo-Label Refinement in Semi-Supervised Referring Expression Segmentation
par: Yang, Danni, et autres
Publié: (2024)
par: Yang, Danni, et autres
Publié: (2024)
Towards General Visual-Linguistic Face Forgery Detection(V2)
par: Sun, Ke, et autres
Publié: (2025)
par: Sun, Ke, et autres
Publié: (2025)
An Efficient and Mixed Heterogeneous Model for Image Restoration
par: Gu, Yubin, et autres
Publié: (2025)
par: Gu, Yubin, et autres
Publié: (2025)
X-Dreamer: Creating High-quality 3D Content by Bridging the Domain Gap Between Text-to-2D and Text-to-3D Generation
par: Ma, Yiwei, et autres
Publié: (2023)
par: Ma, Yiwei, et autres
Publié: (2023)
MIHBench: Benchmarking and Mitigating Multi-Image Hallucinations in Multimodal Large Language Models
par: Li, Jiale, et autres
Publié: (2025)
par: Li, Jiale, et autres
Publié: (2025)
INF-LLaVA: Dual-perspective Perception for High-Resolution Multimodal Large Language Model
par: Ma, Yiwei, et autres
Publié: (2024)
par: Ma, Yiwei, et autres
Publié: (2024)
Character-Adapter: Prompt-Guided Region Control for High-Fidelity Character Customization
par: Ma, Yuhang, et autres
Publié: (2024)
par: Ma, Yuhang, et autres
Publié: (2024)
Test-Time Computing for Referring Multimodal Large Language Models
par: Wu, Mingrui, et autres
Publié: (2026)
par: Wu, Mingrui, et autres
Publié: (2026)
Feast Your Eyes: Mixture-of-Resolution Adaptation for Multimodal Large Language Models
par: Luo, Gen, et autres
Publié: (2024)
par: Luo, Gen, et autres
Publié: (2024)
3D-GRES: Generalized 3D Referring Expression Segmentation
par: Wu, Changli, et autres
Publié: (2024)
par: Wu, Changli, et autres
Publié: (2024)
TraDiffusion: Trajectory-Based Training-Free Image Generation
par: Wu, Mingrui, et autres
Publié: (2024)
par: Wu, Mingrui, et autres
Publié: (2024)
AIGI-Holmes: Towards Explainable and Generalizable AI-Generated Image Detection via Multimodal Large Language Models
par: Zhou, Ziyin, et autres
Publié: (2025)
par: Zhou, Ziyin, et autres
Publié: (2025)
AdaFlow: Efficient Long Video Editing via Adaptive Attention Slimming And Keyframe Selection
par: Zhang, Shuheng, et autres
Publié: (2025)
par: Zhang, Shuheng, et autres
Publié: (2025)
RG-SAN: Rule-Guided Spatial Awareness Network for End-to-End 3D Referring Expression Segmentation
par: Wu, Changli, et autres
Publié: (2024)
par: Wu, Changli, et autres
Publié: (2024)
ControlMLLM: Training-Free Visual Prompt Learning for Multimodal Large Language Models
par: Wu, Mingrui, et autres
Publié: (2024)
par: Wu, Mingrui, et autres
Publié: (2024)
Global2Local: A Joint-Hierarchical Attention for Video Captioning
par: Dai, Chengpeng, et autres
Publié: (2022)
par: Dai, Chengpeng, et autres
Publié: (2022)
Inter2Former: Dynamic Hybrid Attention for Efficient High-Precision Interactive
par: Huang, You, et autres
Publié: (2025)
par: Huang, You, et autres
Publié: (2025)
I2EBench: A Comprehensive Benchmark for Instruction-based Image Editing
par: Ma, Yiwei, et autres
Publié: (2024)
par: Ma, Yiwei, et autres
Publié: (2024)
DiffusionFace: Towards a Comprehensive Dataset for Diffusion-Based Face Forgery Analysis
par: Chen, Zhongxi, et autres
Publié: (2024)
par: Chen, Zhongxi, et autres
Publié: (2024)
Towards General Visual-Linguistic Face Forgery Detection
par: Sun, Ke, et autres
Publié: (2023)
par: Sun, Ke, et autres
Publié: (2023)
Documents similaires
-
StoryWeaver: A Unified World Model for Knowledge-Enhanced Story Character Customization
par: Zhang, Jinlu, et autres
Publié: (2024) -
Beyond First Impressions: Integrating Joint Multi-modal Cues for Comprehensive 3D Representation
par: Wang, Haowei, et autres
Publié: (2023) -
Image Captioning via Dynamic Path Customization
par: Ma, Yiwei, et autres
Publié: (2024) -
MICON-Bench: Benchmarking and Enhancing Multi-Image Context Image Generation in Unified Multimodal Models
par: Wu, Mingrui, et autres
Publié: (2026) -
CIR-CoT: Towards Interpretable Composed Image Retrieval via End-to-End Chain-of-Thought Reasoning
par: Lin, Weihuang, et autres
Publié: (2025)