SANA-Sprint: как ускорить генерацию изображений
SANA-Sprint: как ускорить генерацию изображений NVIDIA представила новую модель SANA-Sprint, которая значительно ускоряет генерацию изображений. В отличие от предыдущих версий SANA, здесь используется метод дистилляции по шагам и идея continuous-time consistency, предложенная Yang Song. Эта концепция превращает дискретный диффузионный процесс в непрерывный поток динамики, позволяя получать качественные изображения за малое число шагов. Для работы модели требуется специальная TrigFlow-параметризация. SANA-Sprint решает эту задачу с помощью серии преобразований: переноса временной шкалы в тригонометрические координаты, масштабирования латентов и трансформации выходной head-функции. Для стабилизации обучения модель дообучают с изменением масштаба частот эмбеддинга и добавляют RMSNorm на Q/K в механизмах self- и cross-attention. В разрешении 1024×1024 SANA-Sprint генерирует изображение за 0,1–0,18 секунды. Это делает её значительно быстрее FLUX-schnell: примерно в 65 раз по времени работы диффузионной модели и в 10 раз по end-to-end-задержке. При этом качество генерации остаётся на высоком уровне — модель не уступает конкурентам по метрикам FID и GenEval.