SANA1.5 4.8B 1024px

🚀 薩納（Sana）模型

薩納（Sana）模型是一個高效的文本到圖像生成模型，它採用了可擴展的線性擴散變壓器架構，在訓練和推理時間技術上進行了優化，能夠基於文本提示生成和修改圖像。

           

✨ 主要特性

我們推出了 SANA - 1.5，這是一個採用了訓練時間和推理時間縮放技術的高效模型。SANA - 1.5 具備以下特性：

• 高效的模型增長：從 16 億參數的 Sana - 1.0 模型擴展到 48 億參數，實現了與從頭開始訓練相似甚至更好的性能，同時節省了 60% 的訓練成本。
• 高效的模型深度剪枝：可以根據需求精簡任何模型大小。
• 強大的基於視覺語言模型（VLM）選擇的推理縮放：較小的模型 + 推理縮放 > 較大的模型。
• 頂尖的 GenEval 和 DPGBench 結果。

源代碼可在 https://github.com/NVlabs/Sana 獲取。

📚 詳細文檔

模型描述

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，並且集成了最先進的擴散採樣器，如 Flow - DPM - Solver。[MIT Han - Lab](https://nv - sana.mit.edu/) 提供免費的 Sana 推理。

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

🧨 擴散器

開發中

💡 使用說明

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。
• 對有潛在生成有害內容風險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。

以下是不適用的使用場景。

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。