GramSR: Visual Feature Conditioning for Diffusion-Based Super-Resolution
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | D'Oronzio, Fabio, Putamorsi, Federico, Zini, Leonardo, Cornia, Marcella, Baraldi, Lorenzo |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Contrasting Deepfakes Diffusion via Contrastive Learning and Global-Local Similarities
par: Baraldi, Lorenzo, et autres
Publié: (2024)
par: Baraldi, Lorenzo, et autres
Publié: (2024)
Learning to Mask and Permute Visual Tokens for Vision Transformer Pre-Training
par: Baraldi, Lorenzo, et autres
Publié: (2023)
par: Baraldi, Lorenzo, et autres
Publié: (2023)
Training-Free Open-Vocabulary Segmentation with Offline Diffusion-Augmented Prototype Generation
par: Barsellotti, Luca, et autres
Publié: (2024)
par: Barsellotti, Luca, et autres
Publié: (2024)
Fluent and Accurate Image Captioning with a Self-Trained Reward Model
par: Moratelli, Nicholas, et autres
Publié: (2024)
par: Moratelli, Nicholas, et autres
Publié: (2024)
Augmenting Multimodal LLMs with Self-Reflective Tokens for Knowledge-based Visual Question Answering
par: Cocchi, Federico, et autres
Publié: (2024)
par: Cocchi, Federico, et autres
Publié: (2024)
BRIDGE: Bridging Gaps in Image Captioning Evaluation with Stronger Visual Cues
par: Sarto, Sara, et autres
Publié: (2024)
par: Sarto, Sara, et autres
Publié: (2024)
Few Channels Draw The Whole Picture: Revealing Massive Activations in Diffusion Transformers
par: Turri, Evelyn, et autres
Publié: (2026)
par: Turri, Evelyn, et autres
Publié: (2026)
Tiny Inference-Time Scaling with Latent Verifiers
par: Bucciarelli, Davide, et autres
Publié: (2026)
par: Bucciarelli, Davide, et autres
Publié: (2026)
Look Twice: Training-Free Evidence Highlighting in Multimodal Large Language Models
par: Morini, Marco, et autres
Publié: (2026)
par: Morini, Marco, et autres
Publié: (2026)
What Changed? Detecting and Evaluating Instruction-Guided Image Edits with Multimodal Large Language Models
par: Baraldi, Lorenzo, et autres
Publié: (2025)
par: Baraldi, Lorenzo, et autres
Publié: (2025)
Personalized Instance-based Navigation Toward User-Specific Objects in Realistic Environments
par: Barsellotti, Luca, et autres
Publié: (2024)
par: Barsellotti, Luca, et autres
Publié: (2024)
LLaVA-MORE: A Comparative Study of LLMs and Visual Backbones for Enhanced Visual Instruction Tuning
par: Cocchi, Federico, et autres
Publié: (2025)
par: Cocchi, Federico, et autres
Publié: (2025)
Spot the Difference: A Novel Task for Embodied Agents in Changing Environments
par: Landi, Federico, et autres
Publié: (2022)
par: Landi, Federico, et autres
Publié: (2022)
Embodied Navigation at the Art Gallery
par: Bigazzi, Roberto, et autres
Publié: (2022)
par: Bigazzi, Roberto, et autres
Publié: (2022)
Multi-Class Unlearning for Image Classification via Weight Filtering
par: Poppi, Samuele, et autres
Publié: (2023)
par: Poppi, Samuele, et autres
Publié: (2023)
Safe-CLIP: Removing NSFW Concepts from Vision-and-Language Models
par: Poppi, Samuele, et autres
Publié: (2023)
par: Poppi, Samuele, et autres
Publié: (2023)
Explore and Explain: Self-supervised Navigation and Recounting
par: Bigazzi, Roberto, et autres
Publié: (2020)
par: Bigazzi, Roberto, et autres
Publié: (2020)
RaTA-Tool: Retrieval-based Tool Selection with Multimodal Large Language Models
par: Mattioli, Gabriele, et autres
Publié: (2026)
par: Mattioli, Gabriele, et autres
Publié: (2026)
Recurrence-Enhanced Vision-and-Language Transformers for Robust Multimodal Document Retrieval
par: Caffagni, Davide, et autres
Publié: (2025)
par: Caffagni, Davide, et autres
Publié: (2025)
Positive-Augmented Contrastive Learning for Vision-and-Language Evaluation and Training
par: Sarto, Sara, et autres
Publié: (2024)
par: Sarto, Sara, et autres
Publié: (2024)
Towards Retrieval-Augmented Architectures for Image Captioning
par: Sarto, Sara, et autres
Publié: (2024)
par: Sarto, Sara, et autres
Publié: (2024)
Embodied Agents for Efficient Exploration and Smart Scene Description
par: Bigazzi, Roberto, et autres
Publié: (2023)
par: Bigazzi, Roberto, et autres
Publié: (2023)
Recurrence Meets Transformers for Universal Multimodal Retrieval
par: Caffagni, Davide, et autres
Publié: (2025)
par: Caffagni, Davide, et autres
Publié: (2025)
Revisiting Image Captioning Training Paradigm via Direct CLIP-based Optimization
par: Moratelli, Nicholas, et autres
Publié: (2024)
par: Moratelli, Nicholas, et autres
Publié: (2024)
Personalizing Multimodal Large Language Models for Image Captioning: An Experimental Analysis
par: Bucciarelli, Davide, et autres
Publié: (2024)
par: Bucciarelli, Davide, et autres
Publié: (2024)
Hallucination Early Detection in Diffusion Models
par: Betti, Federico, et autres
Publié: (2026)
par: Betti, Federico, et autres
Publié: (2026)
Multimodal-Conditioned Latent Diffusion Models for Fashion Image Editing
par: Baldrati, Alberto, et autres
Publié: (2024)
par: Baldrati, Alberto, et autres
Publié: (2024)
ReAG: Reasoning-Augmented Generation for Knowledge-based Visual Question Answering
par: Compagnoni, Alberto, et autres
Publié: (2025)
par: Compagnoni, Alberto, et autres
Publié: (2025)
The Revolution of Multimodal Large Language Models: A Survey
par: Caffagni, Davide, et autres
Publié: (2024)
par: Caffagni, Davide, et autres
Publié: (2024)
Optimizing Resource Consumption in Diffusion Models through Hallucination Early Detection
par: Betti, Federico, et autres
Publié: (2024)
par: Betti, Federico, et autres
Publié: (2024)
RAID: A Dataset for Testing the Adversarial Robustness of AI-Generated Image Detectors
par: Eddoubi, Hicham, et autres
Publié: (2025)
par: Eddoubi, Hicham, et autres
Publié: (2025)
TextSR: Diffusion Super-Resolution with Multilingual OCR Guidance
par: Ye, Keren, et autres
Publié: (2025)
par: Ye, Keren, et autres
Publié: (2025)
Wiki-LLaVA: Hierarchical Retrieval-Augmented Generation for Multimodal LLMs
par: Caffagni, Davide, et autres
Publié: (2024)
par: Caffagni, Davide, et autres
Publié: (2024)
Talking to DINO: Bridging Self-Supervised Vision Backbones with Language for Open-Vocabulary Segmentation
par: Barsellotti, Luca, et autres
Publié: (2024)
par: Barsellotti, Luca, et autres
Publié: (2024)
Parents and Children: Distinguishing Multimodal DeepFakes from Natural Images
par: Amoroso, Roberto, et autres
Publié: (2023)
par: Amoroso, Roberto, et autres
Publié: (2023)
Mitigating Hallucinations in Multimodal LLMs via Object-aware Preference Optimization
par: Compagnoni, Alberto, et autres
Publié: (2025)
par: Compagnoni, Alberto, et autres
Publié: (2025)
TinySR: Pruning Diffusion for Real-World Image Super-Resolution
par: Dong, Linwei, et autres
Publié: (2025)
par: Dong, Linwei, et autres
Publié: (2025)
SAM-DiffSR: Structure-Modulated Diffusion Model for Image Super-Resolution
par: Wang, Chengcheng, et autres
Publié: (2024)
par: Wang, Chengcheng, et autres
Publié: (2024)
Hero-SR: One-Step Diffusion for Super-Resolution with Human Perception Priors
par: Wang, Jiangang, et autres
Publié: (2024)
par: Wang, Jiangang, et autres
Publié: (2024)
Edge-SD-SR: Low Latency and Parameter Efficient On-device Super-Resolution with Stable Diffusion via Bidirectional Conditioning
par: Noroozi, Mehdi, et autres
Publié: (2024)
par: Noroozi, Mehdi, et autres
Publié: (2024)
Documents similaires
-
Contrasting Deepfakes Diffusion via Contrastive Learning and Global-Local Similarities
par: Baraldi, Lorenzo, et autres
Publié: (2024) -
Learning to Mask and Permute Visual Tokens for Vision Transformer Pre-Training
par: Baraldi, Lorenzo, et autres
Publié: (2023) -
Training-Free Open-Vocabulary Segmentation with Offline Diffusion-Augmented Prototype Generation
par: Barsellotti, Luca, et autres
Publié: (2024) -
Fluent and Accurate Image Captioning with a Self-Trained Reward Model
par: Moratelli, Nicholas, et autres
Publié: (2024) -
Augmenting Multimodal LLMs with Self-Reflective Tokens for Knowledge-based Visual Question Answering
par: Cocchi, Federico, et autres
Publié: (2024)