Sana Sprint 0.6B 1024px

🚀 🐱 Sanaモデルカード

Sanaとsana-sprintは、テキストから画像生成を行う超効率的な拡散モデルです。このモデルは、推論ステップを20から1 - 4に減らしながら、最先端のパフォーマンスを達成します。

           

✨ 主な機能

デモ

学習パイプライン

モデルの効率性

SANA-Sprintは、テキストから画像生成（T2I）のための超効率的な拡散モデルです。推論ステップを20から1 - 4に減らしながら、最先端のパフォーマンスを達成します。主要な革新点は以下の通りです。 (1) 連続時間一貫性蒸留（sCM）のための学習不要アプローチで、高コストの再学習を排除します。 (2) 1 - 4ステップでの高品質生成のための統一的なステップ適応型モデル。 (3) リアルタイムインタラクティブ画像生成のためのControlNet統合。

SANA-Sprintは、1ステップで7.59 FIDと0.74 GenEvalを達成し、FLUX-schnell（7.94 FID / 0.71 GenEval）を上回り、かつ10倍高速（H100で0.1秒対1.1秒）です。H100で1024×1024画像の場合、0.1秒（T2I）と0.25秒（ControlNet） のレイテンシーで、RTX 4090では0.31秒（T2I）です。このため、SANA-SprintはAI搭載のコンシューマアプリケーション（AIPC）に最適です。

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、トレーニングと推論の両方に適している generative-models GitHubリポジトリ (https://github.com/NVlabs/Sana) をお勧めします。 MIT Han-Lab は、無料のSANA-Sprint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/sprint
• ガイダンス: https://github.com/NVlabs/Sana/asset/docs/sana_sprint.md

📚 ドキュメント

直接的な利用

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利用。
• 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。

除外される利用については、以下で説明します。

想定外の利用

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学習されていないため、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。

制限事項とバイアス

制限事項

• このモデルは、完全な写実感を達成しません。
• 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することができません。
• 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、社会的バイアスを強化または悪化させる可能性もあります。

📄 ライセンス

このモデルは、NSCL v2-custom ライセンスの下で提供されています。規制条項はNVIDIAライセンスです。追加情報については、Gemma Terms of Use | Google AI for Developers for Gemma-2-2B-IT、Gemma Prohibited Use Policy | Google AI for Developers を参照してください。