Buchumschlag

Diagnosing and Correcting Concept Omission in Multimodal Diffusion Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Baek, Kanghyun, Lew, Jaihyun, Shin, Chaehun, Lee, Jungbeom, Yoon, Sungroh
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

Disentangled Motion Modeling for Video Frame Interpolation
von: Lew, Jaihyun, et al.
Veröffentlicht: (2024)

Negative-Guided Subject Fidelity Optimization for Zero-Shot Subject-Driven Generation
von: Shin, Chaehun, et al.
Veröffentlicht: (2025)

Style-Friendly SNR Sampler for Style-Driven Generation
von: Choi, Jooyoung, et al.
Veröffentlicht: (2024)

Unsupervised Homography Estimation on Multimodal Image Pair via Alternating Optimization
von: Song, Sanghyeob, et al.
Veröffentlicht: (2024)

TextGuider: Training-Free Guidance for Text Rendering via Attention Alignment
von: Baek, Kanghyun, et al.
Veröffentlicht: (2025)

Large-Scale Text-to-Image Model with Inpainting is a Zero-Shot Subject-Driven Image Generator
von: Shin, Chaehun, et al.
Veröffentlicht: (2024)

HeSS: Head Sensitivity Score for Sparsity Redistribution in VGGT
von: Kim, Yongsung, et al.
Veröffentlicht: (2026)

Improving Diffusion-Based Generative Models via Approximated Optimal Transport
von: Kim, Daegyu, et al.
Veröffentlicht: (2024)

Superpixel Tokenization for Vision Transformers: Preserving Semantic Integrity in Visual Tokens
von: Lew, Jaihyun, et al.
Veröffentlicht: (2024)

DCText: Scheduled Attention Masking for Visual Text Generation via Divide-and-Conquer Strategy
von: Song, Jaewoo, et al.
Veröffentlicht: (2025)

ControlDreamer: Blending Geometry and Style in Text-to-3D
von: Oh, Yeongtak, et al.
Veröffentlicht: (2023)

DefectFill: Realistic Defect Generation with Inpainting Diffusion Model for Visual Inspection
von: Song, Jaewoo, et al.
Veröffentlicht: (2025)

Know "No" Better: A Data-Driven Approach for Enhancing Negation Awareness in CLIP
von: Park, Junsung, et al.
Veröffentlicht: (2025)

CKNN: Cleansed k-Nearest Neighbor for Unsupervised Video Anomaly Detection
von: Yi, Jihun, et al.
Veröffentlicht: (2024)

Visual Attention Never Fades: Selective Progressive Attention ReCalibration for Detailed Image Captioning in Multimodal Large Language Models
von: Jung, Mingi, et al.
Veröffentlicht: (2025)

Efficient Diffusion-Driven Corruption Editor for Test-Time Adaptation
von: Oh, Yeongtak, et al.
Veröffentlicht: (2024)

Toward Interactive Regional Understanding in Vision-Large Language Models
von: Lee, Jungbeom, et al.
Veröffentlicht: (2024)

Textual Training for the Hassle-Free Removal of Unwanted Visual Data: Case Studies on OOD and Hateful Image Detection
von: Lee, Saehyung, et al.
Veröffentlicht: (2024)

SF(DA)$^2$: Source-free Domain Adaptation Through the Lens of Data Augmentation
von: Hwang, Uiwon, et al.
Veröffentlicht: (2024)

Toward Robust Hyper-Detailed Image Captioning: A Multiagent Approach and Dual Evaluation Metrics for Factuality and Coverage
von: Lee, Saehyung, et al.
Veröffentlicht: (2024)

On mitigating stability-plasticity dilemma in CLIP-guided image morphing via geodesic distillation loss
von: Oh, Yeongtak, et al.
Veröffentlicht: (2024)

What's Left Unsaid? Detecting and Correcting Misleading Omissions in Multimodal News Previews
von: Li, Fanxiao, et al.
Veröffentlicht: (2026)

Normality Addition via Normality Detection in Industrial Image Anomaly Detection Models
von: Yi, Jihun, et al.
Veröffentlicht: (2024)

Omni-Persona: Systematic Benchmarking and Improving Omnimodal Personalization
von: Oh, Yeongtak, et al.
Veröffentlicht: (2026)

Interactive Text-to-Image Retrieval with Large Language Models: A Plug-and-Play Approach
von: Lee, Saehyung, et al.
Veröffentlicht: (2024)

ADP-DiT: Text-Guided Diffusion Transformer for Brain Image Generation in Alzheimer's Disease Progression
von: Lee, Juneyong, et al.
Veröffentlicht: (2026)

Improving Geometry in Sparse-View 3DGS via Reprojection-based DoF Separation
von: Kim, Yongsung, et al.
Veröffentlicht: (2024)

SpatiO: Adaptive Test-Time Orchestration of Vision-Language Agents for Spatial Reasoning
von: Hwang, Chan Yeong, et al.
Veröffentlicht: (2026)

Entropy is not Enough for Test-Time Adaptation: From the Perspective of Disentangled Factors
von: Lee, Jonghyun, et al.
Veröffentlicht: (2024)

PROBE: Diagnosing Residual Concept Capacity in Erased Text-to-Video Diffusion Models
von: Xie, Yiwei, et al.
Veröffentlicht: (2026)

ARGUS: Hallucination and Omission Evaluation in Video-LLMs
von: Rawal, Ruchit, et al.
Veröffentlicht: (2025)

RePIC: Reinforced Post-Training for Personalizing Multi-Modal Language Models
von: Oh, Yeongtak, et al.
Veröffentlicht: (2025)

FlowFixer: Towards Detail-Preserving Subject-Driven Generation
von: Jun, Jinyoung, et al.
Veröffentlicht: (2026)

Balancing Saliency and Coverage: Semantic Prominence-Aware Budgeting for Visual Token Compression in VLMs
von: Lee, Jaehoon, et al.
Veröffentlicht: (2026)

STAG: Structural Test-time Alignment of Gradients for Online Adaptation
von: Shin, Juhyeon, et al.
Veröffentlicht: (2024)

Exploring Multimodal Diffusion Transformers for Enhanced Prompt-based Image Editing
von: Shin, Joonghyuk, et al.
Veröffentlicht: (2025)

Detecting Omissions in Geographic Maps through Computer Vision
von: Nguyen, Phuc D. A., et al.
Veröffentlicht: (2024)

Text2HOI: Text-guided 3D Motion Generation for Hand-Object Interaction
von: Cha, Junuk, et al.
Veröffentlicht: (2024)

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

Two Causes, Not One: Rethinking Omission and Fabrication Hallucinations in MLLMs
von: Si, Guangzong, et al.
Veröffentlicht: (2025)