Dongdong Zhang์ด [arXiv]์ ๊ฒ์ํ โVisCodex: Unified Multimodal Code Generation via Merging Vision and Coding Modelsโ ๋ ผ๋ฌธ์ ๋ํ ์์ธํ ๋ฆฌ๋ทฐ์ ๋๋ค.
Dani Lischinski์ด [arXiv]์ ๊ฒ์ํ โStory2Board: A Training-Free Approach for Expressive Storyboard Generationโ ๋ ผ๋ฌธ์ ๋ํ ์์ธํ ๋ฆฌ๋ทฐ์ ๋๋ค.
Chen Li์ด [arXiv]์ ๊ฒ์ํ โStand-In: A Lightweight and Plug-and-Play Identity Control for Video Generationโ ๋ ผ๋ฌธ์ ๋ํ ์์ธํ ๋ฆฌ๋ทฐ์ ๋๋ค.
Yuan Lin์ด [arXiv]์ ๊ฒ์ํ โSeeing, Listening, Remembering, and Reasoning: A Multimodal Agent with Long-Term Memoryโ ๋ ผ๋ฌธ์ ๋ํ ์์ธํ ๋ฆฌ๋ทฐ์ ๋๋ค.
Zeynep Akata์ด [arXiv]์ ๊ฒ์ํ โNoise Hypernetworks: Amortizing Test-Time Compute in Diffusion Modelsโ ๋ ผ๋ฌธ์ ๋ํ ์์ธํ ๋ฆฌ๋ทฐ์ ๋๋ค.