新型图像生成模型FiT:基于Transformer架构，可以生成无限制分辨率和长宽比的图像
FiT（Flexible Vision Transformer）是一款新型图像生成模型，基于Transformer架构，旨在生成具有无限制分辨率和长宽比的图像。 GitHub 论文 模型 传统的图像生...
排序
基于Transformer架构的新型视频生成模型Snap Video
来自Snap、特伦托大学、加州大学默塞德分校、布鲁诺·凯斯勒基金会的研究人员推出新型视频生成模型Snap Video，此模型基于Transformer架构，目标是将文本描述转换成高质量的视频内容。 项...
开源架构 Mamba-3 正式发布：推理速度超越 Transformer，同性能下显存占用减半，Apache 2.0 许可商用免费
生成式 AI 的基石——Transformer 架构，自 2017 年诞生以来统治了行业近十年。然而，其高昂的计算成本和线性增长的内存需求，让大规模推理变得极其昂贵。 现在，挑战者来了。 由卡内基梅隆...
