Buchumschlag

Token Warping Helps MLLMs Look from Nearby Viewpoints

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Phillip Y., Park, Chanho, Park, Mingue, Yoo, Seungwoo, Koo, Juil, Sung, Minhyuk
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

Posterior Distillation Sampling
von: Koo, Juil, et al.
Veröffentlicht: (2023)

Neural Pose Representation Learning for Generating and Transferring Non-Rigid Object Poses
von: Yoo, Seungwoo, et al.
Veröffentlicht: (2024)

SALAD: Part-Level Latent Diffusion for 3D Shape Generation and Manipulation
von: Koo, Juil, et al.
Veröffentlicht: (2023)

BoxSplitGen: A Generative Model for 3D Part Bounding Boxes in Varying Granularity
von: Koo, Juil, et al.
Veröffentlicht: (2026)

DiverseVAR: Balancing Diversity and Quality of Next-Scale Visual Autoregressive Models
von: Park, Mingue, et al.
Veröffentlicht: (2025)

Toward Ambulatory Vision: Learning Visually-Grounded Active View Selection
von: Koo, Juil, et al.
Veröffentlicht: (2025)

SyncTweedies: A General Generative Framework Based on Synchronized Diffusions
von: Kim, Jaihoon, et al.
Veröffentlicht: (2024)

Proxy-Free Gaussian Splats Deformation with Splat-Based Surface Estimation
von: Kim, Jaeyeong, et al.
Veröffentlicht: (2025)

Perspective-Aware Reasoning in Vision-Language Models via Mental Imagery Simulation
von: Lee, Phillip Y., et al.
Veröffentlicht: (2025)

ReGround: Improving Textual and Spatial Grounding at No Cost
von: Lee, Phillip Y., et al.
Veröffentlicht: (2024)

VideoHandles: Editing 3D Object Compositions in Videos Using Video Generative Priors
von: Koo, Juil, et al.
Veröffentlicht: (2025)

GrounDiT: Grounding Diffusion Transformers via Noisy Patch Transplantation
von: Lee, Phillip Y., et al.
Veröffentlicht: (2024)

As-Plausible-As-Possible: Plausibility-Aware Mesh Deformation Using 2D Diffusion Priors
von: Yoo, Seungwoo, et al.
Veröffentlicht: (2023)

Unconditional Priors Matter! Improving Conditional Generation of Fine-Tuned Diffusion Models
von: Phunyaphibarn, Prin, et al.
Veröffentlicht: (2025)

Drifting Field Policy: A One-Step Generative Policy via Wasserstein Gradient Flow
von: Koo, Juil, et al.
Veröffentlicht: (2026)

Domain Generalization for Person Re-identification: A Survey Towards Domain-Agnostic Person Matching
von: Lee, Hyeonseo, et al.
Veröffentlicht: (2025)

Why and When Visual Token Pruning Fails? A Study on Relevant Visual Information Shift in MLLMs Decoding
von: Kim, Jiwan, et al.
Veröffentlicht: (2026)

PartSTAD: 2D-to-3D Part Segmentation Task Adaptation
von: Kim, Hyunjin, et al.
Veröffentlicht: (2024)

DiffusionRollout: Uncertainty-Aware Rollout Planning in Long-Horizon PDE Solving
von: Yoo, Seungwoo, et al.
Veröffentlicht: (2026)

BézierFlow: Learning Bézier Stochastic Interpolant Schedulers for Few-Step Generation
von: Min, Yunhong, et al.
Veröffentlicht: (2025)

GridPrune: From "Where to Look" to "What to Select" in Visual Token Pruning for MLLMs
von: Duan, Yuxiang, et al.
Veröffentlicht: (2025)

MorphGS: Morphology-Adaptive Articulated 3D Motion Transfer from Videos
von: Kim, Taeyeon, et al.
Veröffentlicht: (2026)

Attention Misses Visual Risk: Risk-Adaptive Steering for Multimodal Safety Alignment
von: Park, Jonghyun, et al.
Veröffentlicht: (2025)

Constructive Distortion: Improving MLLMs with Attention-Guided Image Warping
von: Dalal, Dwip, et al.
Veröffentlicht: (2025)

PairFlow: Closed-Form Source-Target Coupling for Few-Step Generation in Discrete Flow Models
von: Park, Mingue, et al.
Veröffentlicht: (2025)

Zero-Shot Video Translation via Token Warping
von: Zhu, Haiming, et al.
Veröffentlicht: (2024)

vid-TLDR: Training Free Token merging for Light-weight Video Transformer
von: Choi, Joonmyung, et al.
Veröffentlicht: (2024)

Occupancy-Based Dual Contouring
von: Hwang, Jisung, et al.
Veröffentlicht: (2024)

Coherent Human-Scene Reconstruction from Multi-Person Multi-View Video in a Single Pass
von: Kim, Sangmin, et al.
Veröffentlicht: (2026)

Extend3D: Town-Scale 3D Generation
von: Yoon, Seungwoo, et al.
Veröffentlicht: (2026)

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

Customizing Text-to-Image Diffusion with Object Viewpoint Control
von: Kumari, Nupur, et al.
Veröffentlicht: (2024)

MoCHA-former: Moiré-Conditioned Hybrid Adaptive Transformer for Video Demoiréing
von: Sung, Jeahun, et al.
Veröffentlicht: (2025)

Memory Helps, but Confabulation Misleads: Understanding Streaming Events in Videos with MLLMs
von: Zhang, Gengyuan, et al.
Veröffentlicht: (2025)

ARC-NeRF: Area Ray Casting for Broader Unseen View Coverage in Few-shot Object Rendering
von: Seo, Seunghyeon, et al.
Veröffentlicht: (2024)

MatLat: Material Latent Space for PBR Texture Generation
von: Yeo, Kyeongmin, et al.
Veröffentlicht: (2025)

InterHandGen: Two-Hand Interaction Generation via Cascaded Reverse Diffusion
von: Lee, Jihyun, et al.
Veröffentlicht: (2024)

Camera Control for Text-to-Image Generation via Learning Viewpoint Tokens
von: Lu, Xinxuan, et al.
Veröffentlicht: (2026)

StochSync: Stochastic Diffusion Synchronization for Image Generation in Arbitrary Spaces
von: Yeo, Kyeongmin, et al.
Veröffentlicht: (2025)

LookingGlass: Generative Anamorphoses via Laplacian Pyramid Warping
von: Chang, Pascal, et al.
Veröffentlicht: (2025)