SANA 1.5 – 英伟联合MIT、清北等机构推出的文生图新框架

SANA 1.5是英伟达联合MIT、清华、北大等机构推出的新型高效的线性扩散变换器（Linear Diffusion Transformer），用于 文本到图像生成 任务。在 SANA 1.0 的基础上进行了改进，提出了三大创新点：高效的训练扩展，通过深度增长范式，将模型从 16 亿参数扩展到 48 亿参数，显著减少计算资源，结合了高效的 8 位优化器。模型深度剪枝，通过分析块重要性，对模型进行高效压缩，能在不同计算预算下灵活调整模型大小。推理时扩展，通过重复采样和基于视觉语言模型（VLM）的选择机制，使小模型在推理时能达到大模型的质量。

官网：https://arxiv.org/pdf/2501.18427

立即打开官网