FiTv2：支持任意分辨率的扩散视觉Transformer
热点事件观察中
FiTv2：支持任意分辨率的扩散视觉Transformer
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
ZiDong Wang 等作者发布 FiTv2 扩散模型架构，将图像视为动态尺寸的 token 序列，支持任意分辨率与宽高比生成，并称其收敛速度达到 FiT 的 2 倍。 该架构引入 Query-Key 向量归一化、AdaLN-LoRA 模块、rectified flow 调度器和 Logit-Normal 采样器，并配合免训练外推技术实现分辨率外推；研究还发现更大模型的计算效率更优。作者已开源全部代码与模型。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 12:00
FiTv2：面向扩散模型的可扩展灵活视觉 Transformer报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv · cs.LGFiTv2：面向扩散模型的可扩展灵活视觉 Transformer
FiTv2 将图像视为动态尺寸的 token 序列，支持任意分辨率与宽高比生成，收敛速度达 FiT 的 2 倍。该架构引入 Query-Key 向量归一化、AdaLN-LoRA 模块、rectified flow 调度器和 Logit-Normal 采样器，并配合免训练外推技术实现分辨率外推。研究还发现更大模型的计算效率更优，代码与模型已全部开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。