Sana Sprint 0.6B 1024px

🚀 🐱 Sana模型卡片

Sana和Sana-Sprint是用於文本到圖像生成的超高效擴散模型，可將推理步驟從20步減少到1 - 4步，同時實現了先進的性能，非常適合AI消費級應用。

🚀 快速開始

你可以通過以下鏈接獲取模型相關資源：

• 權重文件
• 代碼
• 項目主頁
• 論文
• 演示
• 討論區

           

✨ 主要特性

演示

訓練流程

模型效率

SANA-Sprint是用於文本到圖像（T2I）生成的超高效擴散模型，將推理步驟從20步減少到1 - 4步，同時實現了最先進的性能。主要創新點包括： (1) 一種無需訓練的連續時間一致性蒸餾方法（sCM），消除了昂貴的重新訓練成本； (2) 一個統一的步驟自適應模型，可在1 - 4步內實現高質量生成； (3) 集成ControlNet實現即時交互式圖像生成。

SANA-Sprint在僅1步推理中就實現了7.59的FID和0.74的GenEval，優於FLUX-schnell（7.94 FID / 0.71 GenEval），同時速度快10倍（在H100上為0.1秒 vs 1.1秒）。在H100上生成1024×1024圖像的延遲為0.1秒（T2I）和0.25秒（ControlNet），在RTX 4090上為0.31秒（T2I），SANA-Sprint非常適合AI驅動的消費級應用（AIPC）。

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。 MIT Han-Lab 提供免費的SANA-Sprint推理。

• 倉庫：https://github.com/NVlabs/Sana
• 演示：https://nv-sana.mit.edu/sprint
• 指南：https://github.com/NVlabs/Sana/asset/docs/sana_sprint.md

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。
• 對有潛在生成有害內容能力的模型進行安全部署。
• 探索和理解生成模型的侷限性和偏差。

排除的使用場景如下所述。

超出範圍的使用

該模型並非用於生成真實或準確反映人物或事件的內容，因此使用該模型生成此類內容超出了其能力範圍。

侷限性和偏差

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。