Buchumschlag

Learning to Credit the Right Steps: Objective-aware Process Optimization for Visual Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Rui, Hao, Ke, Liang, Yuanzhi, Huang, Haibin, Zhang, Chi, Gu, Yun, Li, XueLong
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

Reward-Aware Trajectory Shaping for Few-step Visual Generation
von: Li, Rui, et al.
Veröffentlicht: (2026)

Seeing What Matters: Visual Preference Policy Optimization for Visual Generation
von: Ni, Ziqi, et al.
Veröffentlicht: (2025)

Learning What to Trust: Bayesian Prior-Guided Optimization for Visual Generation
von: Liu, Ruiying, et al.
Veröffentlicht: (2025)

Integrating Reinforcement Learning with Visual Generative Models: Foundations and Advances
von: Liang, Yuanzhi, et al.
Veröffentlicht: (2025)

UniModel: A Visual-Only Framework for Unified Multimodal Understanding and Generation
von: Zhang, Chi, et al.
Veröffentlicht: (2025)

CtrlVDiff: Controllable Video Generation via Unified Multimodal Video Diffusion
von: Xi, Dianbing, et al.
Veröffentlicht: (2025)

Rethinking Reward Signals in Video GRPO: When Scores Become Targets
von: Li, Rui, et al.
Veröffentlicht: (2025)

InterSyn: Interleaved Learning for Dynamic Motion Synthesis in the Wild
von: Ma, Yiyi, et al.
Veröffentlicht: (2025)

TeleBoost: A Systematic Alignment Framework for High-Fidelity, Controllable, and Robust Video Generation
von: Liang, Yuanzhi, et al.
Veröffentlicht: (2026)

VAST 1.0: A Unified Framework for Controllable and Consistent Video Generation
von: Zhang, Chi, et al.
Veröffentlicht: (2024)

OmniVDiff: Omni Controllable Video Diffusion for Generation and Understanding
von: Xi, Dianbing, et al.
Veröffentlicht: (2025)

Aesthetic Post-Training Diffusion Models from Generic Preferences with Step-by-step Preference Optimization
von: Liang, Zhanhao, et al.
Veröffentlicht: (2024)

LossAgent: Towards Any Optimization Objectives for Image Processing with LLM Agents
von: Li, Bingchen, et al.
Veröffentlicht: (2024)

Towards General Multimodal Visual Tracking
von: Lu, Andong, et al.
Veröffentlicht: (2025)

QwenStyle: Content-Preserving Style Transfer with Qwen-Image-Edit
von: Zhang, Shiwen, et al.
Veröffentlicht: (2026)

SlimFlow: Training Smaller One-Step Diffusion Models with Rectified Flow
von: Zhu, Yuanzhi, et al.
Veröffentlicht: (2024)

Query-centric Audio-Visual Cognition Network for Moment Retrieval, Segmentation and Step-Captioning
von: Tu, Yunbin, et al.
Veröffentlicht: (2024)

LaxMotion: Rethinking Supervision Granularity for 3D Human Motion Generation
von: Liu, Sheng, et al.
Veröffentlicht: (2025)

SpongeBob: Sync-Aware Harmonious Audio-Visual Generative Editing
von: Liang, Sen, et al.
Veröffentlicht: (2026)

One Step Learning, One Step Review
von: Huang, Xiaolong, et al.
Veröffentlicht: (2024)

Beyond the Last Frame: Process-aware Evaluation for Generative Video Reasoning
von: Li, Yifan, et al.
Veröffentlicht: (2025)

Knowledge-aware Visual Question Generation for Remote Sensing Images
von: Li, Siran, et al.
Veröffentlicht: (2026)

Soft-Di[M]O: Improving One-Step Discrete Image Generation with Soft Embeddings
von: Zhu, Yuanzhi, et al.
Veröffentlicht: (2025)

StepAL: Step-aware Active Learning for Cataract Surgical Videos
von: Shah, Nisarg A., et al.
Veröffentlicht: (2025)

CAVE: A Structured Credit Assignment Approach for Fragmented Visual Evidence Reasoning
von: Guo, Tengda, et al.
Veröffentlicht: (2026)

SpatialLock: Precise Spatial Control in Text-to-Image Synthesis
von: Liu, Biao, et al.
Veröffentlicht: (2025)

Uni-Inter: Unifying 3D Human Motion Synthesis Across Diverse Interaction Contexts
von: Liu, Sheng, et al.
Veröffentlicht: (2025)

OSV: One Step is Enough for High-Quality Image to Video Generation
von: Mao, Xiaofeng, et al.
Veröffentlicht: (2024)

Visual Text Generation in the Wild
von: Zhu, Yuanzhi, et al.
Veröffentlicht: (2024)

Optimizing Prompts for Text-to-Image Generation
von: Hao, Yaru, et al.
Veröffentlicht: (2022)

OFTSR: One-Step Flow for Image Super-Resolution with Tunable Fidelity-Realism Trade-offs
von: Zhu, Yuanzhi, et al.
Veröffentlicht: (2024)

Unifying Contrastive and Generative Objectives for Visual Understanding and Text-to-Image Generation
von: Li, Chao, et al.
Veröffentlicht: (2026)

Object Style Diffusion for Generalized Object Detection in Urban Scene
von: Li, Hao, et al.
Veröffentlicht: (2024)

Hierarchical Instruction-aware Embodied Visual Tracking
von: Wu, Kui, et al.
Veröffentlicht: (2025)

Revisiting Disentanglement in Downstream Tasks: A Study on Its Necessity for Abstract Visual Reasoning
von: Nai, Ruiqian, et al.
Veröffentlicht: (2024)

Let Synthetic Data Shine: Domain Reassembly and Soft-Fusion for Single Domain Generalization
von: Li, Hao, et al.
Veröffentlicht: (2025)

Improving Generalized Visual Grounding with Instance-aware Joint Learning
von: Dai, Ming, et al.
Veröffentlicht: (2025)

Segmenting Objectiveness and Task-awareness Unknown Region for Autonomous Driving
von: Zheng, Mi, et al.
Veröffentlicht: (2025)

FreeLong: Training-Free Long Video Generation with SpectralBlend Temporal Attention
von: Lu, Yu, et al.
Veröffentlicht: (2024)

ADDP: Learning General Representations for Image Recognition and Generation with Alternating Denoising Diffusion Process
von: Tian, Changyao, et al.
Veröffentlicht: (2023)