NVlabs/Sana
摘要
NVlabs/Sana是一个面向效率的开源代码库，用于高分辨率图像和视频生成，包含多个模型变体及训练/推理管线。
SANA：基于线性扩散变压器的高效高分辨率图像合成
查看缓存全文
缓存时间: 2026/05/18 12:33
📚 文档 | SANA | SANA-1.5 | SANA-Sprint | SANA-Video | SANA-WM | Sol-RL 演示 | 🤗 HuggingFace | ComfyUI | SGLang | Cosmos-RL
ICLR 2025 口头报告 | ICML 2025 | ICCV 2025 亮点 | ICLR 2026 口头报告
相似文章
SANA-Video：基于块线性扩散变压器的高效视频生成
SANA-Video是一个小型扩散模型，利用线性注意力和恒定内存KV缓存，高效生成高分辨率、长时长的视频，以显著更低的成本和更快的速度实现与现有模型相媲美的性能。
Efficient-Large-Model/SANA-WM_bidirectional
SANA-WM 是一个高效的 2.6B 参数开源世界模型，用于分钟级视频生成并具备精确的相机控制。它采用混合线性扩散变换器和两阶段流水线，从图像和文本提示生成 720p 视频。
@songhan_mit: SANA Streaming: 在单张5090上进行V2V
SANA Streaming 支持在单张NVIDIA RTX 5090 GPU上进行视频到视频生成。
@songhan_mit: SANA world model的因果版本已发布，使得在单个H100上实现接近实时推理：
SANA世界模型的因果版本已发布，可在单个H100 GPU上实现接近实时的视频生成推理，并附带开源代码和演示。
使用NVIDIA NeMo训练视频基础模型
本文介绍了一种可扩展的开源管道，利用NVIDIA NeMo进行视频基础模型的训练和推理，通过加速数据集管理和并行化训练来解决生成高质量视频的挑战。