Buchumschlag

Lens: Rethinking Training Efficiency for Foundational Text-to-Image Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Dong, Wei, Fangyun, Wan, Ziyu, Chen, Dongdong, Zhang, Jiawei, Zhao, Jinjing, Zhang, Sirui, Yue, Yang, Liang, Zhiyang, Guo, Baining, Luo, Chong, Bao, Jianmin, Li, Ji, Shi, Lei, Yang, Qinhong, Wu, Xiuyu, Feng, Xuelu, Lu, Yan, Dong, Yanchen, Wang, Yitong, Chen, Yunuo
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

Fast Autoregressive Models for Continuous Latent Generation
von: Hang, Tiankai, et al.
Veröffentlicht: (2025)

Diffusion Models without Classifier-free Guidance
von: Tang, Zhicong, et al.
Veröffentlicht: (2025)

MageBench: Bridging Large Multimodal Models to Agents
von: Zhang, Miaosen, et al.
Veröffentlicht: (2024)

VolumeDiffusion: Flexible Text-to-3D Generation with Efficient Volumetric Encoder
von: Tang, Zhicong, et al.
Veröffentlicht: (2023)

CogACT: A Foundational Vision-Language-Action Model for Synergizing Cognition and Action in Robotic Manipulation
von: Li, Qixiu, et al.
Veröffentlicht: (2024)

Rethinking Generative Large Language Model Evaluation for Semantic Comprehension
von: Wei, Fangyun, et al.
Veröffentlicht: (2024)

SynChart: Synthesizing Charts from Language Models
von: Liu, Mengchen, et al.
Veröffentlicht: (2024)

LACON: Training Text-to-Image Model from Uncurated Data
von: Liang, Zhiyang, et al.
Veröffentlicht: (2026)

Efficient Diffusion Training via Min-SNR Weighting Strategy
von: Hang, Tiankai, et al.
Veröffentlicht: (2023)

From Virtual Games to Real-World Play
von: Sun, Wenqiang, et al.
Veröffentlicht: (2025)

RubricRL: Simple Generalizable Rewards for Text-to-Image Generation
von: Feng, Xuelu, et al.
Veröffentlicht: (2025)

Semantic Image Synthesis via Diffusion Models
von: Zhou, Wengang, et al.
Veröffentlicht: (2022)

CCEdit: Creative and Controllable Video Editing via Diffusion Models
von: Feng, Ruoyu, et al.
Veröffentlicht: (2023)

EAGLE: Speculative Sampling Requires Rethinking Feature Uncertainty
von: Li, Yuhui, et al.
Veröffentlicht: (2024)

AtlasGS: Atlanta-world Guided Surface Reconstruction with Implicit Structured Gaussians
von: Zhang, Xiyu, et al.
Veröffentlicht: (2025)

Scaling the Codebook Size of VQGAN to 100,000 with a Utilization Rate of 99%
von: Zhu, Lei, et al.
Veröffentlicht: (2024)

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

ReasonGen-R1: CoT for Autoregressive Image generation models through SFT and RL
von: Zhang, Yu, et al.
Veröffentlicht: (2025)

SmartEraser: Remove Anything from Images using Masked-Region Guidance
von: Jiang, Longtao, et al.
Veröffentlicht: (2025)

MobileManiBench: Simplifying Model Verification for Mobile Manipulation
von: Wang, Wenbo, et al.
Veröffentlicht: (2026)

Spatia: Video Generation with Updatable Spatial Memory
von: Zhao, Jinjing, et al.
Veröffentlicht: (2025)

Full‐Dimensional Penetration Strategy with Degradable PEAI Enables 8.21% Efficiency in Bulk Heterojunction Sb2S3 Solar Cells
von: Yang Wang, et al.
Veröffentlicht: (2025)

Laparoscopic Cervical Cerclage Offers Greatest Benefit for Patients With Multiple Conizations or Significantly Shortened Cervix: A Retrospective Study Based on Causal Inference Modeling
von: Xia Li, et al.
Veröffentlicht: (2026)

Gaussian Variation Field Diffusion for High-fidelity Video-to-4D Synthesis
von: Zhang, Bowen, et al.
Veröffentlicht: (2025)

Animate Any Character in Any World
von: Wang, Yitong, et al.
Veröffentlicht: (2025)

Revisiting Referring Expression Comprehension Evaluation in the Era of Large Multimodal Models
von: Chen, Jierun, et al.
Veröffentlicht: (2024)

Rethinking Quantum Noise in Quantum Machine Learning: When Noise Improves Learning
von: Zhu, Linghua, et al.
Veröffentlicht: (2026)

Exploring Pre-trained Text-to-Video Diffusion Models for Referring Video Object Segmentation
von: Zhu, Zixin, et al.
Veröffentlicht: (2024)

DreamSR: Towards Ultra-High-Resolution Image Super-Resolution via a Receptive-Field Enhanced Diffusion Transformer
von: Dong, Qingji, et al.
Veröffentlicht: (2026)

Antibacterial Activity of MC‐170, a 2,2‐Disubstituted Indole‐3‐one Derivative, Against Staphylococcus aureus via Phosphatidylglycerol
von: Yumiao Zhao, et al.
Veröffentlicht: (2025)

Rethinking the Vulnerability of Concept Erasure and a New Method
von: Richardson, Alex D., et al.
Veröffentlicht: (2025)

Simplified Diffusion Schrödinger Bridge
von: Tang, Zhicong, et al.
Veröffentlicht: (2024)

CCA: Collaborative Competitive Agents for Image Editing
von: Hang, Tiankai, et al.
Veröffentlicht: (2024)

Incorporating Pre-trained Diffusion Models in Solving the Schrödinger Bridge Problem
von: Tang, Zhicong, et al.
Veröffentlicht: (2025)

Rethinking Model Ensemble in Transfer-based Adversarial Attacks
von: Chen, Huanran, et al.
Veröffentlicht: (2023)

A High‐Efficiency Codesign Method for Bandgap Circuit by Submodule Optimization
von: Yunqi Yang, et al.
Veröffentlicht: (2025)

VideoVLA: Video Generators Can Be Generalizable Robot Manipulators
von: Shen, Yichao, et al.
Veröffentlicht: (2025)

New record-breaking binary linear codes constructed from group codes
von: Yu, Cong, et al.
Veröffentlicht: (2024)

Inevitable Encounters: Backdoor Attacks Involving Lossy Compression
von: Li, Qian, et al.
Veröffentlicht: (2026)

PrivacyLens: Evaluating Privacy Norm Awareness of Language Models in Action
von: Shao, Yijia, et al.
Veröffentlicht: (2024)