Sana 1600M 1024px BF16

🚀 🐱 Sana模型

Sana是一個文本到圖像的框架，能夠高效生成高達4096 × 4096分辨率的圖像。它可以以極快的速度合成高分辨率、高質量且文本與圖像高度對齊的圖像，並且可部署在筆記本電腦的GPU上。

             

🚀 快速開始

本部分暫未提供相關內容，若有需要可參考後續模型介紹部分。

✨ 主要特性

• 能夠高效生成高達4096 × 4096分辨率的圖像。
• 可快速合成高分辨率、高質量且文本與圖像高度對齊的圖像。
• 可部署在筆記本電腦的GPU上。

📚 詳細文檔

模型介紹

這是一個可根據文本提示生成和修改圖像的模型。它是一個線性擴散Transformer，使用一個固定的預訓練文本編碼器（Gemma2 - 2B - IT）和一個32x空間壓縮潛在特徵編碼器（DC - AE）。

模型來源

出於研究目的，我們推薦使用我們的generative - models Github倉庫（https://github.com/NVlabs/Sana），它更適合訓練和推理，並且集成了像Flow - DPM - Solver這樣的高級擴散採樣器。MIT Han - Lab提供免費的Sana推理。

• 倉庫地址：https://github.com/NVlabs/Sana
• 演示地址：https://nv-sana.mit.edu/

🧨 Diffusers

PR開發中：Sana 和 DC - AE

📦 使用場景

直接使用

該模型僅用於研究目的。可能的研究領域和任務包括：

• 藝術品生成以及在設計和其他藝術過程中的應用。
• 教育或創意工具中的應用。
• 生成模型的研究。
• 對有可能生成有害內容的模型進行安全部署。
• 探究和理解生成模型的侷限性和偏差。

超出適用範圍的使用

該模型並非用於真實準確地呈現人物或事件，因此使用該模型生成此類內容超出了其能力範圍。

🔧 技術細節

侷限性

• 模型無法實現完美的照片級真實感。
• 模型無法渲染複雜清晰的文本。
• 一般來說，手指等細節可能無法正確生成。
• 模型的自動編碼部分存在信息損失。

偏差

雖然圖像生成模型的能力令人印象深刻，但它們也可能強化或加劇社會偏差。

📄 許可證

本模型的許可證為NSCL v2 - custom。管理條款為NVIDIA許可證。附加信息：Gemma使用條款 | Google AI for Developers 適用於Gemma - 2 - 2B - IT，Gemma禁止使用政策 | Google AI for Developers。