Sana 1600M 1024px BF16

🚀 🐱 Sana模型

Sana是一个文本到图像的框架，能够高效生成高达4096 × 4096分辨率的图像。它可以以极快的速度合成高分辨率、高质量且文本与图像高度对齐的图像，并且可部署在笔记本电脑的GPU上。

             

🚀 快速开始

本部分暂未提供相关内容，若有需要可参考后续模型介绍部分。

✨ 主要特性

• 能够高效生成高达4096 × 4096分辨率的图像。
• 可快速合成高分辨率、高质量且文本与图像高度对齐的图像。
• 可部署在笔记本电脑的GPU上。

📚 详细文档

模型介绍

这是一个可根据文本提示生成和修改图像的模型。它是一个线性扩散Transformer，使用一个固定的预训练文本编码器（Gemma2 - 2B - IT）和一个32x空间压缩潜在特征编码器（DC - AE）。

模型来源

出于研究目的，我们推荐使用我们的generative - models Github仓库（https://github.com/NVlabs/Sana），它更适合训练和推理，并且集成了像Flow - DPM - Solver这样的高级扩散采样器。MIT Han - Lab提供免费的Sana推理。

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

🧨 Diffusers

PR开发中：Sana 和 DC - AE

📦 使用场景

直接使用

该模型仅用于研究目的。可能的研究领域和任务包括：

• 艺术品生成以及在设计和其他艺术过程中的应用。
• 教育或创意工具中的应用。
• 生成模型的研究。
• 对有可能生成有害内容的模型进行安全部署。
• 探究和理解生成模型的局限性和偏差。

超出适用范围的使用

该模型并非用于真实准确地呈现人物或事件，因此使用该模型生成此类内容超出了其能力范围。

🔧 技术细节

局限性

• 模型无法实现完美的照片级真实感。
• 模型无法渲染复杂清晰的文本。
• 一般来说，手指等细节可能无法正确生成。
• 模型的自动编码部分存在信息损失。

偏差

虽然图像生成模型的能力令人印象深刻，但它们也可能强化或加剧社会偏差。

📄 许可证

本模型的许可证为NSCL v2 - custom。管理条款为NVIDIA许可证。附加信息：Gemma使用条款 | Google AI for Developers 适用于Gemma - 2 - 2B - IT，Gemma禁止使用政策 | Google AI for Developers。