🚀 SDXL-controlnet: OpenPose (v2)

这是一个基于StableDiffusionXL的ControlNet模型，使用OpenPose (v2)条件进行训练，可用于文本到图像的生成。

🚀 快速开始

此项目是 thibaud/controlnet-openpose-sdxl-1.0 的副本，允许通过 diffusers 库直接使用其 safetensors 版本。

✨ 主要特性

• 基于 stabilityai/stable-diffusion-xl-base-1.0 训练，使用OpenPose (v2) 条件。
• 可通过 diffusers 库方便地集成和使用。
• 提供了训练脚本和相关参数说明。

📦 安装指南

首先，安装所有必要的库：

pip install -q controlnet_aux transformers accelerate
pip install -q git+https://github.com/huggingface/diffusers

💻 使用示例

基础用法

现在，我们可以让达斯·维达跳舞啦：

from diffusers import AutoencoderKL, StableDiffusionXLControlNetPipeline, ControlNetModel, UniPCMultistepScheduler
import torch
from controlnet_aux import OpenposeDetector
from diffusers.utils import load_image

# 计算openpose条件图像。
openpose = OpenposeDetector.from_pretrained("lllyasviel/ControlNet")

image = load_image(
    "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/diffusers/person.png"
)
openpose_image = openpose(image)

# 初始化ControlNet管道。
controlnet = ControlNetModel.from_pretrained("dimitribarbot/controlnet-openpose-sdxl-1.0-safetensors", torch_dtype=torch.float16)
pipe = StableDiffusionXLControlNetPipeline.from_pretrained(
    "stabilityai/stable-diffusion-xl-base-1.0", controlnet=controlnet, torch_dtype=torch.float16
)
pipe.enable_model_cpu_offload()

# 推理。
prompt = "Darth vader dancing in a desert, high quality"
negative_prompt = "low quality, bad quality"
images = pipe(
    prompt, 
    negative_prompt=negative_prompt,
    num_inference_steps=25,
    num_images_per_prompt=4,
    image=openpose_image.resize((1024, 1024)),
    generator=torch.manual_seed(97),
).images
images[0]

以下是一些生成的示例：

示例图片

提示词：a ballerina, romantic sunset, 4k photo

Comfy工作流

(图片来自ComfyUI，你可以将其拖放到Comfy中作为工作流使用)

🔧 技术细节

训练

使用HF🤗 的训练脚本 点击此处查看。

训练数据

此检查点首先在调整为最大最小尺寸为768的laion 6a上训练了15,000步。

计算资源

一台1xA100机器 (非常感谢HF🤗 提供计算资源！)

批量大小

数据并行，单GPU批量大小为2，梯度累积为8。

超参数

恒定学习率为8e-5

混合精度

fp16

📄 许可证

许可证：参考OpenPose的许可证。