ICLR 2025｜4K分辨率拿下！超强杀器SANA：线性扩散模型+文生图+高分辨率+从头训练的极佳范本！

文章预览

↑ 点击 蓝字  关注极市平台 作者丨科技猛兽 编辑丨极市平台 极市导读   Sana通过32倍压缩率的AutoEncoder、线性注意力机制、Decoder-only的文本编码器以及高效的训练和采样方法，实现了在计算效率和图像质量上的显著提升。sana能够快速生成高达4K分辨率的高质量图像，并且可以在笔记本电脑的GPU上运行。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 本文目录 1 Sana：高分辨率文生图的线性扩散模型 (来自 NVIDIA, MIT 韩松团队，清华) 1 Sana 论文解读 1.1 Sana 研究背景 1.2 Sana 核心贡献 1.3 32 倍压缩率的 AutoEncoder 1.4 高效的线性注意力线性 DiT 1.5 Decoder-only 的 LLM 作为文本编码器 1.6 高效的训练和采样 1.7 端侧部署 1.8 模型架构细节和评测标准 太长不看版 线性扩散模型 + 文生图 + 高分辨率 + 从头训练的极佳范本。 NVIDIA 的研究员们，联合 MIT 韩松团队等一 ………………………………