FiT:一种全新的Transformer架构图像生成模型 分辨率和高宽比不受限制
灵活视觉变换器是一种全新的Transformer架构图像生成模型,专门设计用于创造没有分辨率和宽高比限制的图像。相较于传统将图像视为固定分辨率网格的方法,FiT将图像视为一系列可变大小的图像块。FiT的问世将为图像生成领域带来新的可能性,为用户提供更加灵活多样的图像生成体验。