（来源：上观新闻）
传统方🥶🗺法要么靠📇📙人拍（众包⛔📽），要么靠机器🇵🇪跑（遥控）🦝👩🎤，成本高、效率低♋日本激情、覆盖窄🥣🛅。研究团队将这个模🔔🧪型命名为Fi🚟t-V👉🏡TO，🙉💶它的输入包🕧📘括三个部分：🚣♀️🇷🇺一张平📅铺的商品图、一张📊🇲🇸穿着其他衣服的人🍡物参考图🚶♀️，以及一组测量数🇲🇸💁值🚲。据了解✍日本激情，其未▶来将应用到荣耀🤱🥉门店智慧零🏒📧售，科技生活体验🎬空间等😞🔫场景⚽💈。在模型架构🚏💙上，F📖it-V🈲TO基于Flu🐐x.1-🏚dev的多模🍠态扩散变换器骨架👩💼，人物参☀考图的编码与目🇦🇫🏯标图片在通道维♿💡度上拼接🇷🇼💎（因为两者在™空间上🗯是像素对👓应的），而服🍯装图的😷📛编码则与其他🤡🎞信息在序列维度⛩上拼接（因🚲为服装图在空🛹日本激情间上并不🇳🇨🇻🇳直接对应目🅾🇳🇱标图片，🐃需要先经过模型自🇦🇺🇮🇲行"对齐"）👩💻💦。
Cer🚹🎛ebras官🧻方博客中相对审↖慎的表述是"最高🏭快15🕶倍"（2026年🕳📸4月），或在特↘🌚定推理场☯🗡景下引用Semi😩Analysi🐏s发布的英🇧🇦伟达B200数据🇹🇩进行对比🇲🇱，宣称🙃端到端延迟快2🕠🈶1倍（需💫要说明的是，这🅾😝组对比中S📿🌯emiAn➖💠alysi😗s只测了英伟达📵一侧，🌾👃Cerebr👜🇦🇹as一侧的♊数据来©日本激情自公司自身）🇻🇪🧭。
