شيوان جانغ

PreCoG: Preview-Edit for Efficient Video Correction in Generation-Time

Iterative text-to-video generation relies on feedback to correct compositional and temporal failures. However, existing methods typically require another full generation run for each correction, repeating computation and potentially disrupting already correct content. We introduce PreCoG, an iterative framework for cor …

SAGE: اكتشاف العوامل البارزة وتوليدها بتمثيلات الأساس البصرية

بالنظر إلى مجموعة بيانات مستهدفة، مثل وجوه تحمل نظارات، ومجموعة بيانات خلفية، مثل وجوه بلا نظارات، يفصل التحليل التبايني العوامل "البارزة" الخاصة بالهدف عن المحتوى "المشترك" بينهما. نهدف إلى تمثيلات بارزة تلتقط التفاصيل الخاصة بالهدف في كل صورة، مثل شكل النظارات ولونها وموضعها، بحيث تكشف عن الأنماط الفرعية دون تسميات ل …

تلوث أم أسبقية أم دليل؟ تفكيك وتدريب استخدام الدليل في نماذج الرؤية واللغة للشرائح الكاملة