Masked Generative Transformer Is What You Need for Image Editing
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Chow, Wei, Li, Linfeng, Sun, Xian, Kong, Lingdong, Li, Zefeng, Xu, Qi, Song, Hang, Ye, Tian, Wang, Xian, Bai, Jinbin, Xu, Shilin, Li, Xiangtai, Pan, Junting, Liu, Shaoteng, Zhou, Ran, Yang, Tianshu, Liu, Songhua |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
EditMGT: Unleashing Potentials of Masked Generative Transformers in Image Editing
par: Chow, Wei, et autres
Publié: (2025)
par: Chow, Wei, et autres
Publié: (2025)
MERIT: Multilingual Semantic Retrieval with Interleaved Multi-Condition Query
par: Chow, Wei, et autres
Publié: (2025)
par: Chow, Wei, et autres
Publié: (2025)
Meissonic: Revitalizing Masked Generative Transformers for Efficient High-Resolution Text-to-Image Synthesis
par: Bai, Jinbin, et autres
Publié: (2024)
par: Bai, Jinbin, et autres
Publié: (2024)
HumanEdit: A High-Quality Human-Rewarded Dataset for Instruction-based Image Editing
par: Bai, Jinbin, et autres
Publié: (2024)
par: Bai, Jinbin, et autres
Publié: (2024)
Not All Points Are Equal: Uncertainty-Aware 4D LiDAR Scene Synthesis
par: Xu, Xiang, et autres
Publié: (2026)
par: Xu, Xiang, et autres
Publié: (2026)
Conditional Panoramic Image Generation via Masked Autoregressive Modeling
par: Wang, Chaoyang, et autres
Publié: (2025)
par: Wang, Chaoyang, et autres
Publié: (2025)
Mixed-R1: Unified Reward Perspective For Reasoning Capability in Multimodal Large Language Models
par: Xu, Shilin, et autres
Publié: (2025)
par: Xu, Shilin, et autres
Publié: (2025)
U4D: Uncertainty-Aware 4D World Modeling from LiDAR Sequences
par: Xu, Xiang, et autres
Publié: (2025)
par: Xu, Xiang, et autres
Publié: (2025)
Not All Tokens Are What You Need In Thinking
par: Yuan, Hang, et autres
Publié: (2025)
par: Yuan, Hang, et autres
Publié: (2025)
Decouple and Track: Benchmarking and Improving Video Diffusion Transformers for Motion Transfer
par: Shi, Qingyu, et autres
Publié: (2025)
par: Shi, Qingyu, et autres
Publié: (2025)
LLAVADI: What Matters For Multimodal Large Language Models Distillation
par: Xu, Shilin, et autres
Publié: (2024)
par: Xu, Shilin, et autres
Publié: (2024)
From Masks to Worlds: A Hitchhiker's Guide to World Models
par: Bai, Jinbin, et autres
Publié: (2025)
par: Bai, Jinbin, et autres
Publié: (2025)
Landscape of Generative AI in Global News: Topics, Sentiments, and Spatiotemporal Analysis
par: Xian, Lu, et autres
Publié: (2024)
par: Xian, Lu, et autres
Publié: (2024)
SpotEdit: Selective Region Editing in Diffusion Transformers
par: Qin, Zhibin, et autres
Publié: (2025)
par: Qin, Zhibin, et autres
Publié: (2025)
PixelThink: Towards Efficient Chain-of-Pixel Reasoning
par: Wang, Song, et autres
Publié: (2025)
par: Wang, Song, et autres
Publié: (2025)
Screen‐shooting resistant robust document watermarking in the Discrete Fourier Transform domain
par: Yazhou Zhang, et autres
Publié: (2024)
par: Yazhou Zhang, et autres
Publié: (2024)
Training on the Benchmark Is Not All You Need
par: Ni, Shiwen, et autres
Publié: (2024)
par: Ni, Shiwen, et autres
Publié: (2024)
Edit Where You Mean: Region-Aware Adapter Injection for Mask-Free Local Image Editing
par: Cai, Honghao, et autres
Publié: (2026)
par: Cai, Honghao, et autres
Publié: (2026)
An Empirical Study of GPT-4o Image Generation Capabilities
par: Chen, Sixiang, et autres
Publié: (2025)
par: Chen, Sixiang, et autres
Publié: (2025)
FRNet: Frustum-Range Networks for Scalable LiDAR Segmentation
par: Xu, Xiang, et autres
Publié: (2023)
par: Xu, Xiang, et autres
Publié: (2023)
Edit as You See: Image-guided Video Editing via Masked Motion Modeling
par: Huang, Zhi-Lin, et autres
Publié: (2025)
par: Huang, Zhi-Lin, et autres
Publié: (2025)
DreamRelation: Bridging Customization and Relation Generation
par: Shi, Qingyu, et autres
Publié: (2024)
par: Shi, Qingyu, et autres
Publié: (2024)
Golden Gemini is All You Need: Finding the Sweet Spots for Speaker Verification
par: Liu, Tianchi, et autres
Publié: (2023)
par: Liu, Tianchi, et autres
Publié: (2023)
RecTok: Reconstruction Distillation along Rectified Flow
par: Shi, Qingyu, et autres
Publié: (2025)
par: Shi, Qingyu, et autres
Publié: (2025)
Rho-1: Not All Tokens Are What You Need
par: Lin, Zhenghao, et autres
Publié: (2024)
par: Lin, Zhenghao, et autres
Publié: (2024)
An Open and Comprehensive Pipeline for Unified Object Grounding and Detection
par: Zhao, Xiangyu, et autres
Publié: (2024)
par: Zhao, Xiangyu, et autres
Publié: (2024)
MEDIC: Zero-shot Music Editing with Disentangled Inversion Control
par: Liu, Huadai, et autres
Publié: (2024)
par: Liu, Huadai, et autres
Publié: (2024)
Is Your LiDAR Placement Optimized for 3D Scene Understanding?
par: Li, Ye, et autres
Publié: (2024)
par: Li, Ye, et autres
Publié: (2024)
MRT: Masked Region Transformer for Layered Image Generation and Editing at Scale
par: Tang, Zhicong, et autres
Publié: (2026)
par: Tang, Zhicong, et autres
Publié: (2026)
SkipVAR: Accelerating Visual Autoregressive Modeling via Adaptive Frequency-Aware Skipping
par: Li, Jiajun, et autres
Publié: (2025)
par: Li, Jiajun, et autres
Publié: (2025)
DST-Det: Simple Dynamic Self-Training for Open-Vocabulary Object Detection
par: Xu, Shilin, et autres
Publié: (2023)
par: Xu, Shilin, et autres
Publié: (2023)
Towards Emergency Scenarios: An Integrated Decision-making Framework of Multi-lane Platoon Reorganization
par: Kong, Aijing, et autres
Publié: (2025)
par: Kong, Aijing, et autres
Publié: (2025)
Set You Straight: Auto-Steering Denoising Trajectories to Sidestep Unwanted Concepts
par: Li, Leyang, et autres
Publié: (2025)
par: Li, Leyang, et autres
Publié: (2025)
Monocular Semantic Scene Completion via Masked Recurrent Networks
par: Wang, Xuzhi, et autres
Publié: (2025)
par: Wang, Xuzhi, et autres
Publié: (2025)
Rolling Sink: Bridging Limited-Horizon Training and Open-Ended Testing in Autoregressive Video Diffusion
par: Li, Haodong, et autres
Publié: (2026)
par: Li, Haodong, et autres
Publié: (2026)
DiTPainter: Efficient Video Inpainting with Diffusion Transformers
par: Wu, Xian, et autres
Publié: (2025)
par: Wu, Xian, et autres
Publié: (2025)
Veila: Panoramic LiDAR Generation from a Monocular RGB Image
par: Liu, Youquan, et autres
Publié: (2025)
par: Liu, Youquan, et autres
Publié: (2025)
MaskSR: Masked Language Model for Full-band Speech Restoration
par: Li, Xu, et autres
Publié: (2024)
par: Li, Xu, et autres
Publié: (2024)
Optimisation Is Not What You Need
par: Ibias, Alfredo
Publié: (2025)
par: Ibias, Alfredo
Publié: (2025)
Attention Is Not What You Need
par: Chong, Zhang
Publié: (2025)
par: Chong, Zhang
Publié: (2025)
Documents similaires
-
EditMGT: Unleashing Potentials of Masked Generative Transformers in Image Editing
par: Chow, Wei, et autres
Publié: (2025) -
MERIT: Multilingual Semantic Retrieval with Interleaved Multi-Condition Query
par: Chow, Wei, et autres
Publié: (2025) -
Meissonic: Revitalizing Masked Generative Transformers for Efficient High-Resolution Text-to-Image Synthesis
par: Bai, Jinbin, et autres
Publié: (2024) -
HumanEdit: A High-Quality Human-Rewarded Dataset for Instruction-based Image Editing
par: Bai, Jinbin, et autres
Publié: (2024) -
Not All Points Are Equal: Uncertainty-Aware 4D LiDAR Scene Synthesis
par: Xu, Xiang, et autres
Publié: (2026)