Buchumschlag

DCARL: A Divide-and-Conquer Framework for Autoregressive Long-Trajectory Video Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ouyang, Junyi, Teng, Wenbin, Chen, Gonglin, Zhao, Yajie, Chen, Haiwei
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

ARSS: Taming Decoder-only Autoregressive Visual Generation for View Synthesis From Single View
von: Teng, Wenbin, et al.
Veröffentlicht: (2025)

FVGen: Accelerating Novel-View Synthesis with Adversarial Video Diffusion Distillation
von: Teng, Wenbin, et al.
Veröffentlicht: (2025)

RDD: Robust Feature Detector and Descriptor using Deformable Transformer
von: Chen, Gonglin, et al.
Veröffentlicht: (2025)

Geometry-Aware Feature Matching for Large-Scale Structure from Motion
von: Chen, Gonglin, et al.
Veröffentlicht: (2024)

Don't Look into the Dark: Latent Codes for Pluralistic Image Inpainting
von: Chen, Haiwei, et al.
Veröffentlicht: (2024)

Skyeyes: Ground Roaming using Aerial View Images
von: Gao, Zhiyuan, et al.
Veröffentlicht: (2024)

MicroCinema: A Divide-and-Conquer Approach for Text-to-Video Generation
von: Wang, Yanhui, et al.
Veröffentlicht: (2023)

DCDM: Divide-and-Conquer Diffusion Models for Consistency-Preserving Video Generation
von: Zhao, Haoyu, et al.
Veröffentlicht: (2026)

OmAgent: A Multi-modal Agent Framework for Complex Video Understanding with Task Divide-and-Conquer
von: Zhang, Lu, et al.
Veröffentlicht: (2024)

Memory Consistency Guided Divide-and-Conquer Learning for Generalized Category Discovery
von: Tu, Yuanpeng, et al.
Veröffentlicht: (2024)

Divide, Conquer and Combine: A Training-Free Framework for High-Resolution Image Perception in Multimodal Large Language Models
von: Wang, Wenbin, et al.
Veröffentlicht: (2024)

Mind-to-Face: Neural-Driven Photorealistic Avatar Synthesis via EEG Decoding
von: Xiong, Haolin, et al.
Veröffentlicht: (2025)

ICTPolarReal: A Polarized Reflection and Material Dataset of Real World Objects
von: Yang, Jing, et al.
Veröffentlicht: (2026)

DC-TTA: Divide-and-Conquer Framework for Test-Time Adaptation of Interactive Segmentation
von: Kim, Jihun, et al.
Veröffentlicht: (2025)

Temporal Divide-and-Conquer Anomaly Actions Localization in Semi-Supervised Videos with Hierarchical Transformer
von: Osman, Nada, et al.
Veröffentlicht: (2024)

Context Forcing: Consistent Autoregressive Video Generation with Long Context
von: Chen, Shuo, et al.
Veröffentlicht: (2026)

Bringing Diversity from Diffusion Models to Semantic-Guided Face Asset Generation
von: Cai, Yunxuan, et al.
Veröffentlicht: (2025)

DC-Net: Divide-and-Conquer for Salient Object Detection
von: Zhu, Jiayi, et al.
Veröffentlicht: (2023)

DCA: Dividing and Conquering Amnesia in Incremental Object Detection
von: Zhang, Aoting, et al.
Veröffentlicht: (2025)

Train Short, Inference Long: Training-free Horizon Extension for Autoregressive Video Generation
von: Li, Jia, et al.
Veröffentlicht: (2026)

Divide, Conquer and Unite: Hierarchical Style-Recalibrated Prototype Alignment for Federated Medical Segmentation
von: Zhao, Xingyue, et al.
Veröffentlicht: (2025)

DivCon: Divide and Conquer for Complex Numerical and Spatial Reasoning in Text-to-Image Generation
von: Jia, Yuhao, et al.
Veröffentlicht: (2024)

DCText: Scheduled Attention Masking for Visual Text Generation via Divide-and-Conquer Strategy
von: Song, Jaewoo, et al.
Veröffentlicht: (2025)

Divide and Conquer: Decoupled Representation Alignment for Multimodal World Models
von: Xiao, Junyuan, et al.
Veröffentlicht: (2026)

Visual Para-Thinker: Divide-and-Conquer Reasoning for Visual Comprehension
von: Xu, Haoran, et al.
Veröffentlicht: (2026)

Divide and Conquer: Language Models can Plan and Self-Correct for Compositional Text-to-Image Generation
von: Wang, Zhenyu, et al.
Veröffentlicht: (2024)

Divide and Conquer: Reliable Multi-View Evidential Learning for Deepfake Detection
von: Kang, Xiaolu, et al.
Veröffentlicht: (2026)

ShadowHack: Hacking Shadows via Luminance-Color Divide and Conquer
von: Hu, Jin, et al.
Veröffentlicht: (2024)

Divide-and-Conquer Decoupled Network for Cross-Domain Few-Shot Segmentation
von: Cong, Runmin, et al.
Veröffentlicht: (2025)

Divide and Conquer: Heterogeneous Noise Integration for Diffusion-based Adversarial Purification
von: Pei, Gaozheng, et al.
Veröffentlicht: (2025)

Loong: Generating Minute-level Long Videos with Autoregressive Language Models
von: Wang, Yuqing, et al.
Veröffentlicht: (2024)

Semantics versus Identity: A Divide-and-Conquer Approach towards Adjustable Medical Image De-Identification
von: Tian, Yuan, et al.
Veröffentlicht: (2025)

Divide and Conquer: Object Co-occurrence Helps Mitigate Simplicity Bias in OOD Detection
von: Dai, Boyang, et al.
Veröffentlicht: (2026)

DeCafNet: Delegate and Conquer for Efficient Temporal Grounding in Long Videos
von: Lu, Zijia, et al.
Veröffentlicht: (2025)

DeepVerse: 4D Autoregressive Video Generation as a World Model
von: Chen, Junyi, et al.
Veröffentlicht: (2025)

Divide-and-Conquer Approach to Holistic Cognition in High-Similarity Contexts with Limited Data
von: Wang, Shijie, et al.
Veröffentlicht: (2026)

Divide, Ensemble and Conquer: The Last Mile on Unsupervised Domain Adaptation for Semantic Segmentation
von: Lian, Tao, et al.
Veröffentlicht: (2024)

Divide-and-Conquer: Dual-Hierarchical Optimization for Semantic 4D Gaussian Spatting
von: Yan, Zhiying, et al.
Veröffentlicht: (2025)

PDC-Net: Pattern Divide-and-Conquer Network for Pelvic Radiation Injury Segmentation
von: Xiong, Xinyu, et al.
Veröffentlicht: (2025)

Divide-and-Conquer for Enhancing Unlabeled Learning, Stability, and Plasticity in Semi-supervised Continual Learning
von: Duan, Yue, et al.
Veröffentlicht: (2025)