Sana 1600M 1024px MultiLing

🚀 Sana

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から画像への変換フレームワークです。このモデルは、高解像度で高品質の画像を強力なテキストと画像のアライメントで非常に高速に合成でき、ノートパソコンのGPUでもデプロイ可能です。

             

📚 ドキュメント

ベースモデルとの比較

モデル	サンプル1	サンプル2	サンプル3	サンプル4
Sana_1600M_1024px
Sana_1600M_1024px_MultiLing
プロンプト	🐯 穿着 👕 吹 🎷	猫 Wearing 🕶 flying on the 彩虹 with 🌹 in the ❄️	🦁 teaching 🐯 to catch 🦋	金色 🌅 下的长城, traditional Chinese style

モデルの説明

モデルのソース

研究目的では、generative-modelsのGithubリポジトリ (https://github.com/NVlabs/Sana) をお勧めします。これは、トレーニングと推論の両方に適しており、Flow-DPM-Solverのような最新の拡散サンプラーが統合されています。 MIT Han-Lab は無料のSana推論を提供しています。

• リポジトリ: https://github.com/NVlabs/Sana
• デモ: https://nv-sana.mit.edu/

🧨 Diffusers

PR開発中: Sana と DC-AE

💻 使用例

直接使用

このモデルは研究目的のみを意図しています。可能な研究分野とタスクには以下が含まれます。

• アートワークの生成とデザインやその他の芸術的プロセスでの使用。
• 教育または創造的ツールでのアプリケーション。
• 生成モデルの研究。
• 有害なコンテンツを生成する可能性のあるモデルの安全なデプロイ。
• 生成モデルの制限とバイアスの調査と理解。

以下に記載されている使用法は対象外です。

対象外の使用

このモデルは、人やイベントの事実的または真実の表現を生成するように訓練されていないため、そのようなコンテンツを生成するためにモデルを使用することは、このモデルの能力範囲外です。

🔧 技術詳細

制限事項

• このモデルは完全な写真的リアリズムを達成しません。
• このモデルは複雑な読み取り可能なテキストをレンダリングできません。
• 一般的に、指などが適切に生成されない場合があります。
• モデルのオートエンコーダー部分は損失があります。

バイアス

画像生成モデルの能力は印象的ですが、社会的バイアスを強化または悪化させる可能性もあります。