SANA1.5 4.8B 1024px

🚀 サナ（Sana）モデルカード

サナ（Sana）は、テキストから画像を生成するための効率的なモデルです。このモデルは、トレーニング時間と推論時間の技術をスケーリングすることで、高い性能を実現しています。

           

✨ 主な機能

モデル

私たちはSANA - 1.5を紹介します。これは、トレーニング時間と推論時間の技術をスケーリングした効率的なモデルです。SANA - 1.5は以下の特徴を備えています。

• 効率的なモデル拡張：1.6BのSana - 1.0モデルから4.8Bへの拡張が可能で、ゼロからのトレーニングと同等以上の性能を達成し、トレーニングコストを60％削減します。
• 効率的なモデル深度の剪定：任意のモデルサイズをスリム化できます。
• 強力なVLM選択に基づく推論スケーリング：小さいモデル + 推論スケーリング > 大きいモデル。
• トップクラスのGenEvalとDPGBenchの結果：詳細な結果は以下の表に示されています。

ソースコードはhttps://github.com/NVlabs/Sanaで入手できます。

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](https://nv - sana.mit.edu/) 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

開発中

📚 使用方法

直接使用

このモデルは研究目的のみを想定しています。可能な研究分野とタスクは以下の通りです。

• アートワークの生成とデザインやその他の芸術的なプロセスでの使用。
• 教育または創造的なツールでの応用。
• 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方法は対象外です。

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トレーニングされていないため、そのようなコンテンツを生成するためにこの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

• このモデルは完全な写実性を達成しません。
• 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ディング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、社会的なバイアスを強化または悪化させる可能性もあります。