SANA是一个由英伟达、麻省理工学院和清华大学联合研发的文本到图像框架，即将开源。它能高效生成高达4096×4096分辨率的高质量图像，并具有强大的文本-图像对齐能力。SANA通过深度压缩自动编码器、高效线性DiT、仅解码器的文本编码器等技术，实现了高效率和高分辨率的图像生成。此外，SANA在设备端部署方面也进行了优化，采用8位整数量化模型，提高了实际应用中的可操作性和效率。项目链接：https://nvlabs.github.io/Sana/