К содержимому
Другое

Sample-Aligned Decoders (SAD)

сменные декодеры для генераторов изображений

2 мин чтенияобновлено

Набор готовых декодеров от исследователей Китайской академии наук и Университета Цинхуа, которые заменяют штатный декодер автоэнкодера (VAE — модуль, превращающий сжатое представление картинки в пиксели) в латентных генеративных моделях. Каждый файл содержит только веса декодера (decoder.* и post_quant_conv.*), дообученные методом Sample-Aligned Decoders на латентах конкретного генератора. Энкодер, латентное пространство и сам генератор остаются прежними, поэтому скорость и стоимость инференса не меняются. Подойдёт исследователям и разработчикам, работающим с DiT, SiT и PixArt-α.

Ключевые особенности

  • Работают как drop-in замена — меняют декодер на месте без переобучения основного генератора.
  • Не увеличивают затраты на инференс — архитектура и вычислительная нагрузка остаются как у оригинала.
  • Поддерживают популярные семейства генераторов: DiT-XL/2, SiT-XL/2 + REPA, LightningDiT-XL, REPA-E и PixArt-α (в разрешении 256px).
  • В репозитории есть варианты обучения через GAN-дискрепанс в пространстве DINOv2 (sad-gan) и через MMD (sad-mmd).

Что можно сделать

  • Подменить декодер в пайплайнах diffusers для моделей DiT-XL/2 или PixArt-α 256px с помощью функции load_sad_decoder или стандартного load_state_dict.
  • Использовать веса lightningdit-xl-vavae-256 и repa-e-e2evae-256 в кодовых базах LightningDiT и REPA-E для автоэнкодеров VA-VAE и E2E-VAE.
  • Обучить собственный SAD-декодер под свой генератор и сэмплер по инструкции из репозитория проекта.

Пример

from diffusers import DiTPipeline
from sad import load_sad_decoder

pipe = DiTPipeline.from_pretrained("facebook/DiT-XL-2-256").to("cuda")
load_sad_decoder(pipe.vae, "dit-xl2-256/sad-gan")
images = pipe(class_labels=[279, 388], num_inference_steps=250, guidance_scale=1.5).images
ПодробнееОбучение: каждый декодер дообучался 2 000 шагов (~1 GPU-час) с GAN-лоссом в пространстве DINOv2 или MMD плюс L1-якорь энкодера.
Ограничения: каждый чекпоинт привязан к своему генератору, токенизатору (SD-VAE ft-EMA, VA-VAE, E2E-VAE) и сэмплеру.
Совместимость: веса для VA-VAE и E2E-VAE несовместимы с diffusers напрямую и требуют классов из LightningDiT и REPA-E.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.2 GB · готовые файлы0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.1 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # torpedo2003/SAD
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download torpedo2003/SAD --local-dir ~/models/SAD
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к SAD
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии SAD — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

torpedo2003/SAD
Автор
torpedo2003
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

mars-dfd-hr

mars-dfd-hr