Copertina

Gated Condition Injection without Multimodal Attention: Towards Controllable Linear-Attention Transformers

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Liu, Yuhe, Tan, Zhenxiong, Hu, Yujia, Liu, Songhua, Wang, Xinchao
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

CLEAR: Conv-Like Linearization Revs Pre-Trained Diffusion Transformers Up
di: Liu, Songhua, et al.
Pubblicazione: (2024)

OminiControl2: Efficient Conditioning for Diffusion Transformers
di: Tan, Zhenxiong, et al.
Pubblicazione: (2025)

Image Editing As Programs with Diffusion Models
di: Hu, Yujia, et al.
Pubblicazione: (2025)

OminiControl: Minimal and Universal Control for Diffusion Transformer
di: Tan, Zhenxiong, et al.
Pubblicazione: (2024)

Ultra-Resolution Adaptation with Ease
di: Yu, Ruonan, et al.
Pubblicazione: (2025)

ViFeEdit: A Video-Free Tuner of Your Video Diffusion Transformer
di: Yu, Ruonan, et al.
Pubblicazione: (2026)

Vision Bridge Transformer at Scale
di: Tan, Zhenxiong, et al.
Pubblicazione: (2025)

SpotEdit: Selective Region Editing in Diffusion Transformers
di: Qin, Zhibin, et al.
Pubblicazione: (2025)

MindBridge: A Cross-Subject Brain Decoding Framework
di: Wang, Shizun, et al.
Pubblicazione: (2024)

Video-Infinity: Distributed Long Video Generation
di: Tan, Zhenxiong, et al.
Pubblicazione: (2024)

LinFusion: 1 GPU, 1 Minute, 16K Image
di: Liu, Songhua, et al.
Pubblicazione: (2024)

Control and Realism: Best of Both Worlds in Layout-to-Image without Training
di: Li, Bonan, et al.
Pubblicazione: (2025)

FreeSwim: Revisiting Sliding-Window Attention Mechanisms for Training-Free Ultra-High-Resolution Video Generation
di: Wu, Yunfeng, et al.
Pubblicazione: (2025)

Flash Sculptor: Modular 3D Worlds from Objects
di: Hu, Yujia, et al.
Pubblicazione: (2025)

CoDA: From Text-to-Image Diffusion Models to Training-Free Dataset Distillation
di: Zhou, Letian, et al.
Pubblicazione: (2025)

On The Application of Linear Attention in Multimodal Transformers
di: Gerami, Armin, et al.
Pubblicazione: (2026)

One-shot Federated Learning via Synthetic Distiller-Distillate Communication
di: Zhang, Junyuan, et al.
Pubblicazione: (2024)

Understanding Dataset Distillation via Spectral Filtering
di: Bo, Deyu, et al.
Pubblicazione: (2025)

Teddy: Efficient Large-Scale Dataset Distillation via Taylor-Approximated Matching
di: Yu, Ruonan, et al.
Pubblicazione: (2024)

SAGA: Selective Adaptive Gating for Efficient and Expressive Linear Attention
di: Cao, Yuan, et al.
Pubblicazione: (2025)

Rethinking Large-scale Dataset Compression: Shifting Focus From Labels to Images
di: Xiao, Lingao, et al.
Pubblicazione: (2025)

Distilled Datamodel with Reverse Gradient Matching
di: Ye, Jingwen, et al.
Pubblicazione: (2024)

Minute-Long Videos with Dual Parallelisms
di: Wang, Zeqing, et al.
Pubblicazione: (2025)

Heavy Labels Out! Dataset Distillation with Label Space Lightening
di: Yu, Ruonan, et al.
Pubblicazione: (2024)

Top-Down Compression: Revisit Efficient Vision Token Projection for Visual Instruction Tuning
di: li, Bonan, et al.
Pubblicazione: (2025)

AsyncDiff: Parallelizing Diffusion Models by Asynchronous Denoising
di: Chen, Zigeng, et al.
Pubblicazione: (2024)

Castling-ViT: Compressing Self-Attention via Switching Towards Linear-Angular Attention at Vision Transformer Inference
di: You, Haoran, et al.
Pubblicazione: (2022)

Gated Cross-Attention Network for Depth Completion
di: Jia, Xiaogang, et al.
Pubblicazione: (2023)

FreeText: Training-Free Text Rendering in Diffusion Transformers via Attention Localization and Spectral Glyph Injection
di: Zhang, Ruiqiang, et al.
Pubblicazione: (2026)

GateMOT: Q-Gated Attention for Dense Object Tracking
di: Lv, Mingjin, et al.
Pubblicazione: (2026)

Attention-driven GUI Grounding: Leveraging Pretrained Multimodal Large Language Models without Fine-Tuning
di: Xu, Hai-Ming, et al.
Pubblicazione: (2024)

Linear-Time Global Visual Modeling without Explicit Attention
di: He, Ruize, et al.
Pubblicazione: (2026)

StyDeSty: Min-Max Stylization and Destylization for Single Domain Generalization
di: Liu, Songhua, et al.
Pubblicazione: (2024)

Attention Prompting on Image for Large Vision-Language Models
di: Yu, Runpeng, et al.
Pubblicazione: (2024)

GateAttentionPose: Enhancing Pose Estimation with Agent Attention and Improved Gated Convolutions
di: Feng, Liang, et al.
Pubblicazione: (2024)

Representative Attention For Vision Transformers
di: Li, Yuntong, et al.
Pubblicazione: (2026)

ViG: Linear-complexity Visual Sequence Learning with Gated Linear Attention
di: Liao, Bencheng, et al.
Pubblicazione: (2024)

Gated Differential Linear Attention: A Linear-Time Decoder for High-Fidelity Medical Segmentation
di: Zheng, Hongbo, et al.
Pubblicazione: (2026)

ReGLA: Efficient Receptive-Field Modeling with Gated Linear Attention Network
di: Li, Junzhou, et al.
Pubblicazione: (2026)

SALAD: Achieve High-Sparsity Attention via Efficient Linear Attention Tuning for Video Diffusion Transformer
di: Fang, Tongcheng, et al.
Pubblicazione: (2026)