SANA 1.5

SANA 1.5是什么

SANA 1.5是由英伟达联合MIT、清华大学、北京大学等机构共同研发的新型高效线性扩散变换器，专注于文本到图像生成任务。该模型在SANA 1.0的基础上进行了多项优化，主要包括：通过深度增长范式将模型参数从16亿扩展至48亿，有效降低计算资源消耗；引入基于块重要性分析的模型压缩技术，实现灵活的模型大小调整；提出推理时扩展策略，结合重复采样和视觉语言模型选择机制，提升小模型在推理阶段的表现。

SANA 1.5的主要功能

• 高效训练扩展：采用深度增长范式，将模型参数从16亿扩展至48亿，显著减少计算资源需求。
• 模型深度剪枝：基于块重要性分析进行模型压缩，可在不同计算预算下灵活调整模型规模，同时保持高质量输出。
• 推理时扩展：通过重复采样和视觉语言模型（VLM）选择机制，在推理阶段提升小型模型的性能。
• 多语言支持：支持中文、英文及表情符号输入，适用于全球化内容创作。
• 开源与社区支持：代码和预训练模型已开源，便于研究与开发人员进行定制与扩展。
• 推理效率：借助CAME-8bit优化器，可在消费级GPU上高效完成大规模模型微调。

SANA 1.5的性能测试

• 模型增长（Model Growth）：通过模型增长策略，SANA 1.5将参数从16亿扩展至48亿，GenEval分数从0.66提升至0.72，接近Playground v3的0.76，且推理延迟降低了5.5倍。
• 模型剪枝（Model Pruning）：在不同计算预算下灵活调整模型大小，例如将48亿参数模型剪枝至16亿后，经微调GenEval分数可达0.672，优于SANA 1.0的0.664。
• 推理时扩展（Inference Scaling）：通过多样本生成与VLM选择机制，GenEval分数从0.72提升至0.80，超过Playground v3的0.76。

SANA 1.5的项目地址

• arXiv技术论文：https://arxiv.org/pdf/2501.18427

SANA 1.5的应用场景

• 创意设计：可用于广告设计、插画创作、游戏美术等领域。
• 教学辅助：为教师提供课程相关的图像生成工具，增强教学效果。
• 影视制作：用于概念艺术和场景设计，提高创意构思效率。
• 工程设计：生成工程效果图，帮助团队理解设计方案。
• 移动应用：通过模型压缩技术实现在移动端的高效运行。
• 内容审核：结合安全检查模型，确保生成内容符合规范。