Buchumschlag

Squeezing Capacity from Multimodal Large Language Models for Subject-driven Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zheng, Shuhong, Misraa, Aashish Kumar, Li, Yu-Teng, Li, Yu-Jhe, Gilitschenski, Igor
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Graphics Machine Learning Multimedia
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Track, Inpaint, Resplat: Subject-driven 3D and 4D Generation with Progressive Texture Infilling
von: Zheng, Shuhong, et al.
Veröffentlicht: (2025)

ArchGPT: Understanding the World's Architectures with Large Multimodal Models
von: Wang, Yuze, et al.
Veröffentlicht: (2025)

Kubrick: Multimodal Agent Collaborations for Synthetic Video Generation
von: He, Liu, et al.
Veröffentlicht: (2024)

DanceEditor: Towards Iterative Editable Music-driven Dance Generation with Open-Vocabulary Descriptions
von: Zhang, Hengyuan, et al.
Veröffentlicht: (2025)

Break-for-Make: Modular Low-Rank Adaptations for Composable Content-Style Customization
von: Xu, Yu, et al.
Veröffentlicht: (2024)

HiScene: Creating Hierarchical 3D Scenes with Isometric View Generation
von: Dong, Wenqi, et al.
Veröffentlicht: (2025)

Kiss3DGen: Repurposing Image Diffusion Models for 3D Asset Generation
von: Lin, Jiantao, et al.
Veröffentlicht: (2025)

AudCast: Audio-Driven Human Video Generation by Cascaded Diffusion Transformers
von: Guan, Jiazhi, et al.
Veröffentlicht: (2025)

FairyGen: Storied Cartoon Video from a Single Child-Drawn Character
von: Zheng, Jiayi, et al.
Veröffentlicht: (2025)

Representing Long Volumetric Video with Temporal Gaussian Hierarchy
von: Xu, Zhen, et al.
Veröffentlicht: (2024)

GS-ProCams: Gaussian Splatting-based Projector-Camera Systems
von: Deng, Qingyue, et al.
Veröffentlicht: (2024)

Textured mesh Quality Assessment using Geometry and Color Field Similarity
von: Yang, Kaifa, et al.
Veröffentlicht: (2025)

Delta Forcing: Trust Region Steering for Interactive Autoregressive Video Generation
von: Wu, Yuheng, et al.
Veröffentlicht: (2026)

TreeMeshGPT: Artistic Mesh Generation with Autoregressive Tree Sequencing
von: Lionar, Stefan, et al.
Veröffentlicht: (2025)

COutfitGAN: Learning to Synthesize Compatible Outfits Supervised by Silhouette Masks and Fashion Styles
von: Zhou, Dongliang, et al.
Veröffentlicht: (2025)

ReSyncer: Rewiring Style-based Generator for Unified Audio-Visually Synced Facial Performer
von: Guan, Jiazhi, et al.
Veröffentlicht: (2024)

PersonaGest: Personalized Co-Speech Gesture Generation with Semantic-Guided Hierarchical Motion Representation
von: Zhao, Junchuan, et al.
Veröffentlicht: (2026)

STAR: Skeleton-aware Text-based 4D Avatar Generation with In-Network Motion Retargeting
von: Chai, Zenghao, et al.
Veröffentlicht: (2024)

Unveiling Deep Shadows: A Survey and Benchmark on Image and Video Shadow Detection, Removal, and Generation in the Deep Learning Era
von: Hu, Xiaowei, et al.
Veröffentlicht: (2024)

MDD: A Dataset for Text-and-Music Conditioned Duet Dance Generation
von: Gupta, Prerit, et al.
Veröffentlicht: (2025)

Exploring Palette based Color Guidance in Diffusion Models
von: Qiu, Qianru, et al.
Veröffentlicht: (2025)

ImagenHub: Standardizing the evaluation of conditional image generation models
von: Ku, Max, et al.
Veröffentlicht: (2023)

Casual3DHDR: Deblurring High Dynamic Range 3D Gaussian Splatting from Casually Captured Videos
von: Gong, Shucheng, et al.
Veröffentlicht: (2025)

InteractDiffusion: Interaction Control in Text-to-Image Diffusion Models
von: Hoe, Jiun Tian, et al.
Veröffentlicht: (2023)

VerbDiff: Text-Only Diffusion Models with Enhanced Interaction Awareness
von: Cha, SeungJu, et al.
Veröffentlicht: (2025)

Laplacian Analysis Meets Dynamics Modelling: Gaussian Splatting for 4D Reconstruction
von: Zhou, Yifan, et al.
Veröffentlicht: (2025)

SVGS: Enhancing Gaussian Splatting Using Primitives with Spatially Varying Colors
von: Xu, Rui, et al.
Veröffentlicht: (2024)

Unison: Harmonizing Motion, Speech, and Sound for Human-Centric Audio-Video Generation
von: Cheng, Shihao, et al.
Veröffentlicht: (2026)

Perceive-Sample-Compress: Towards Real-Time 3D Gaussian Splatting
von: Wang, Zijian, et al.
Veröffentlicht: (2025)

Splatography: Sparse multi-view dynamic Gaussian Splatting for filmmaking challenges
von: Azzarelli, Adrian, et al.
Veröffentlicht: (2025)

DreamCinema: Cinematic Transfer with Free Camera and 3D Character
von: Chen, Weiliang, et al.
Veröffentlicht: (2024)

MesonGS++: Post-training Compression of 3D Gaussian Splatting with Hyperparameter Searching
von: Xie, Shuzhao, et al.
Veröffentlicht: (2026)

altiro3D: Scene representation from single image and novel view synthesis
von: Canessa, E., et al.
Veröffentlicht: (2023)

Neural Network-Based Tracking and 3D Reconstruction of Baseball Pitch Trajectories from Single-View 2D Video
von: Hsieh, Jhen
Veröffentlicht: (2024)

Real-Time Position-Aware View Synthesis from Single-View Input
von: Gond, Manu, et al.
Veröffentlicht: (2024)

SAGE: Semantic-Driven Adaptive Gaussian Splatting in Extended Reality
von: Schiavo, Chiara, et al.
Veröffentlicht: (2025)

Perceptual Visual Quality Assessment: Principles, Methods, and Future Directions
von: Zhou, Wei, et al.
Veröffentlicht: (2025)

InteractEdit: Zero-Shot Editing of Human-Object Interactions in Images
von: Hoe, Jiun Tian, et al.
Veröffentlicht: (2025)

Freehand Sketch Generation from Mechanical Components
von: Liao, Zhichao, et al.
Veröffentlicht: (2024)

Multimodal Cinematic Video Synthesis Using Text-to-Image and Audio Generation Models
von: S, Sridhar, et al.
Veröffentlicht: (2025)