FiTv2

新的AI模型解决了无限制图像分辨率和农业机器人导航问题

研究人员推出了FiTv2，这是一种为扩散模型设计的改进型灵活视觉Transformer，能够以无限制的分辨率和宽高比生成图像。该架构通过将图像视为动态令牌序列来解决现有模型的局限性，从而实现更快的收敛和更好的分辨率泛化。此外，还开发了一个名为AgriVLN的新基准和方法，用于农业机器人的视觉和语言导航，通过将复杂指令分解为子任务来提高性能。