Sana 1600M 512px

🚀 🐱 Sanaモデルカード

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 - 画像アライメントで非常に高速に合成でき、ラップトップのGPUでも展開可能です。

             

✨ 主な機能

Sanaは、テキストプロンプトに基づいて画像を生成および変更することができます。これは、1つの固定された事前学習済みテキストエンコーダー (Gemma2 - 2B - IT) と1つの32x空間圧縮潜在特徴エンコーダー (DC - AE) を使用する線形拡散トランスフォーマーです。

📦 インストール

このセクションでは、インストールに関する具体的な手順が提供されていません。

📚 ドキュメント

モデルの説明

モデルのソース

研究目的では、私たちのgenerative - models 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

使用方法

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応用。
• 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展開。
• 生成モデルの制限とバイアスの調査と理解。

除外される使用法については以下で説明します。

想定外の使用

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。

制限とバイアス

制限

• モデルは完全な写実性を達成しません。
• 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。
• モデルの自動符号化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。