Buchumschlag

Camera Control for Text-to-Image Generation via Learning Viewpoint Tokens

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lu, Xinxuan, Fowlkes, Charless, Berg, Alexander C.
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

CriSp: Leveraging Tread Depth Maps for Enhanced Crime-Scene Shoeprint Matching
von: Shafique, Samia, et al.
Veröffentlicht: (2024)

Instance Tracking in 3D Scenes from Egocentric Videos
von: Zhao, Yunhan, et al.
Veröffentlicht: (2023)

Make the Pertinent Salient: Task-Relevant Reconstruction for Visual Control with Distractions
von: Kim, Kyungmin, et al.
Veröffentlicht: (2024)

Polygon Intersection-over-Union Loss for Viewpoint-Agnostic Monocular 3D Vehicle Detection
von: Lu, Xinxuan, et al.
Veröffentlicht: (2023)

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

ArbiViewGen: Controllable Arbitrary Viewpoint Camera Data Generation for Autonomous Driving via Stable Diffusion Models
von: Lan, Yatong, et al.
Veröffentlicht: (2025)

CameraCtrl: Enabling Camera Control for Text-to-Video Generation
von: He, Hao, et al.
Veröffentlicht: (2024)

Generative Photography: Scene-Consistent Camera Control for Realistic Text-to-Image Synthesis
von: Yuan, Yu, et al.
Veröffentlicht: (2024)

AITTI: Learning Adaptive Inclusive Token for Text-to-Image Generation
von: Hou, Xinyu, et al.
Veröffentlicht: (2024)

CETCAM: Camera-Controllable Video Generation via Consistent and Extensible Tokenization
von: Zhao, Zelin, et al.
Veröffentlicht: (2025)

SynCamMaster: Synchronizing Multi-Camera Video Generation from Diverse Viewpoints
von: Bai, Jianhong, et al.
Veröffentlicht: (2024)

Aesthetic Camera Viewpoint Suggestion with 3D Aesthetic Field
von: Tang, Sheyang, et al.
Veröffentlicht: (2026)

Token Warping Helps MLLMs Look from Nearby Viewpoints
von: Lee, Phillip Y., et al.
Veröffentlicht: (2026)

TokenDial: Continuous Attribute Control in Text-to-Video via Spatiotemporal Token Offsets
von: Liu, Zhixuan, et al.
Veröffentlicht: (2026)

PreciseCam: Precise Camera Control for Text-to-Image Generation
von: Bernal-Berdun, Edurne, et al.
Veröffentlicht: (2025)

Controllable Generation with Text-to-Image Diffusion Models: A Survey
von: Cao, Pu, et al.
Veröffentlicht: (2024)

TokenCompose: Text-to-Image Diffusion with Token-level Supervision
von: Wang, Zirui, et al.
Veröffentlicht: (2023)

Aligning Text, Images, and 3D Structure Token-by-Token
von: Sahoo, Aadarsh, et al.
Veröffentlicht: (2025)

RawGen: Learning Camera Raw Image Generation
von: Kim, Dongyoung, et al.
Veröffentlicht: (2026)

Democratizing Text-to-Image Masked Generative Models with Compact Text-Aware One-Dimensional Tokens
von: Kim, Dongwon, et al.
Veröffentlicht: (2025)

Rethinking Attention-Based Multiple Instance Learning for Whole-Slide Pathological Image Classification: An Instance Attribute Viewpoint
von: Cai, Linghan, et al.
Veröffentlicht: (2024)

Detect-and-Guide: Self-regulation of Diffusion Models for Safe Text-to-Image Generation via Guideline Token Optimization
von: Li, Feifei, et al.
Veröffentlicht: (2025)

OmniCamera: A Unified Framework for Multi-task Video Generation with Arbitrary Camera Control
von: Wang, Yukun, et al.
Veröffentlicht: (2026)

FactorPortrait: Controllable Portrait Animation via Disentangled Expression, Pose, and Viewpoint
von: Tang, Jiapeng, et al.
Veröffentlicht: (2025)

Beyond Pixel Simulation: Pathology Image Generation via Diagnostic Semantic Tokens and Prototype Control
von: Han, Minghao, et al.
Veröffentlicht: (2025)

CamCo: Camera-Controllable 3D-Consistent Image-to-Video Generation
von: Xu, Dejia, et al.
Veröffentlicht: (2024)

High-Quality Virtual Single-Viewpoint Surgical Video: Geometric Autocalibration of Multiple Cameras in Surgical Lights
von: Kato, Yuna, et al.
Veröffentlicht: (2025)

Layton: Latent Consistency Tokenizer for 1024-pixel Image Reconstruction and Generation by 256 Tokens
von: Xie, Qingsong, et al.
Veröffentlicht: (2025)

TextRegion: Text-Aligned Region Tokens from Frozen Image-Text Models
von: Xiao, Yao, et al.
Veröffentlicht: (2025)

InsightTok: Improving Text and Face Fidelity in Discrete Tokenization for Autoregressive Image Generation
von: Yue, Yang, et al.
Veröffentlicht: (2026)

CamI2V: Camera-Controlled Image-to-Video Diffusion Model
von: Zheng, Guangcong, et al.
Veröffentlicht: (2024)

Powerful and Flexible: Personalized Text-to-Image Generation via Reinforcement Learning
von: Wei, Fanyue, et al.
Veröffentlicht: (2024)

RealCam-I2V: Real-World Image-to-Video Generation with Interactive Complex Camera Control
von: Li, Teng, et al.
Veröffentlicht: (2025)

ResTok: Learning Hierarchical Residuals in 1D Visual Tokenizers for Autoregressive Image Generation
von: Zhang, Xu, et al.
Veröffentlicht: (2026)

Sim2real Image Translation Enables Viewpoint-Robust Policies from Fixed-Camera Datasets
von: Coholich, Jeremiah, et al.
Veröffentlicht: (2026)

Local Representative Token Guided Merging for Text-to-Image Generation
von: Lee, Min-Jeong, et al.
Veröffentlicht: (2025)

Semantic-Aware Prefix Learning for Token-Efficient Image Generation
von: Li, Qingfeng, et al.
Veröffentlicht: (2026)

Training-free Camera Control for Video Generation
von: Hou, Chen, et al.
Veröffentlicht: (2024)

CT-1: Vision-Language-Camera Models Transfer Spatial Reasoning Knowledge to Camera-Controllable Video Generation
von: Zhao, Haoyu, et al.
Veröffentlicht: (2026)

Token Painter: Training-Free Text-Guided Image Inpainting via Mask Autoregressive Models
von: Jiang, Longtao, et al.
Veröffentlicht: (2025)