导读
SANA结合深度压缩自编码器、线性注意力和高效采样研究高分辨率图像生成，把算力与本地创作条件纳入方法史。
查看大图 ↗图1：SANA生成图像与论文报告的延迟比较。 来源为v3，图像版本与论文首次公开日分别记录。
Xie, Enze; Chen, Junsong; Chen, Junyu; Cai, Han; Tang, Haotian; Lin, Yujun; Zhang, Zhekai; Li, Muyang; Zhu, Ligeng; Lu, Yao; Han, Song · original paper / arXiv · 原论文图文与所引作品权利归各自权利人；研究引用不代表开放授权，转载权利待独立复核。
资料出处 · SANA: Efficient High-Resolution Image Synthesis with Linear Diffusion Transformers ↗档案研究说明
SANA结合深度压缩自编码器、线性注意力和高效采样研究高分辨率图像生成，把算力与本地创作条件纳入方法史。
ANTI-AI ARCHIVE · 修订 2026-10-03
论文研究了什么
方法用更高压缩率降低潜空间词元数量，以线性注意力处理高分辨率计算，并结合文本编码和训练、采样策略。论文报告不同硬件与模型配置下的效率实验。
与生成艺术史的关系
编者解释：能否在较小设备上反复生成，会影响谁能够制作、修改和保存图像。SANA为讨论这些物质条件提供技术依据，但低计算成本并不消除数据或版权问题。
阅读边界与版本
不把论文中特定吞吐量倍数推广为所有设备上的加速；本轮没有测试本地运行性能。
正文引用资料
核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。
核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。 正文与译文使用 AI 辅助，尚未经独立人工审校；分节引文标明依据，不代表已独立验证全部史实。
带着问题继续阅读
SANA：对照DPM-Solver：少步数扩散采样的方法、控制或评价条件。
SANA：对照新的模型生态的方法、控制或评价条件。
SANA：对照Stable Diffusion 3.5的方法、控制或评价条件。
日期与版本记录
节点标注日期：2024-10-14 · 来源记录的历史日期：2024-10-14
时间线采用arXiv首次公开日，不以会议发表、模型上线或2026-10-03补录日替代。正文及图像参照v3；该版日期见原文版本记录。
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
SANA: Efficient High-Resolution Image Synthesis with Linear Diffusion Transformers
https://arxiv.org/abs/2410.10629
当前引用地址
核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。
出处、翻译与核验状态
档案节点 #293 · 研究论文首次公开；方法、评估与制作条件
研究资料与补充出处 · 1
2022年以来重要论文补录与去重资料 · 核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。 · 028
原记日期: 2024-10-14
SANA：高压缩潜空间与线性扩散Transformer ↗
SANA: Efficient High-Resolution Image Synthesis with Linear Diffusion Transformers
站内说明依据所列研究资料撰写，非外链全文译本；AI 辅助翻译，待独立人工审校。
已按条目所列范围核读官方资料；核读范围与待复核事项见来源说明。
引用本节点
ANTI-AI ARCHIVE. SANA：高压缩潜空间与线性扩散Transformer. 艺术史节点 #293. https://salondesrefuses.cn/zh/art-history/351
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。