Sana 1600M 1024px BF16
Sanaは最大4096×4096解像度の画像を効率的に生成できるテキスト-to-画像フレームワークで、ノートPCのGPU上で高解像度・高品質かつテキストと画像の強力な整合性を持つ画像を迅速に合成できます。
ダウンロード数 1,129
リリース時間 : 12/10/2024
モデル概要
Sanaは線形拡散Transformerベースのテキスト-to-画像生成モデルで、1024ピクセルを基準としたマルチスケールの縦横比画像生成のために開発され、固定の事前学習済みテキストエンコーダーと32倍空間圧縮の潜在特徴エンコーダーを採用しています。
モデル特徴
高解像度画像生成
最大4096×4096解像度の画像生成をサポート
効率的な推論
最適化されたアーキテクチャでノートPCGPU上で効率的に動作
強力なテキスト画像整合
生成画像が入力テキストプロンプトと高度に一致
マルチスケール対応
1024ピクセル基準のマルチスケール縦横比画像生成専用設計
モデル能力
テキストから画像生成
高解像度画像合成
マルチスケール画像生成
使用事例
クリエイティブアート
アートワーク生成
芸術作品やデザイン要素の生成に使用
高品質なアート画像
クリエイティブツール開発
教育やクリエイティブツールのコアコンポーネントとして
インタラクティブなクリエイティブアプリケーション
研究
生成モデル研究
拡散モデルとTransformerアーキテクチャの探求に使用
新しいモデルアーキテクチャと訓練方法
モデル安全性研究
潜在的に有害なコンテンツ生成能力を持つモデルの安全な展開を研究
より安全な生成モデル展開方案
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98