许可证：其他
许可证名称：bria-2.3
许可证链接：https://bria.ai/bria-huggingface-model-license-agreement/
推理：不支持

标签：

• 文本生成图像
• ControlNet模型
• 法律责任
• 商业用途
  额外授权提示：BRIA AI的模型权重需在签署商业许可协议后获取。填写下方表单，我们将与您联系。
  额外授权字段：
  姓名：文本
  公司/机构名称：文本
  机构类型（初创/成长型企业、大型企业、学术机构）：文本
  职位：文本
  国家：文本
  邮箱：文本
  提交此表单即表示同意BRIA的隐私政策及条款与条件（详见下方链接）：复选框

BRIA 2.3 ControlNet Canny 模型卡

BRIA 2.3 ControlNet-Canny基于BRIA 2.3文本生成图像模型开发，能够通过文本提示和输入图像的边缘映射生成高质量图像，从而创建具有相同几何结构的不同图像变体。

BRIA 2.3完全使用我们尊贵数据合作伙伴的授权数据从头训练，因此可安全用于商业场景，并为版权与隐私侵权及有害内容提供完整的法律赔偿责任覆盖。即，我们的数据集不包含受版权保护的内容（如虚构角色、商标、公众人物）、有害内容或侵犯隐私的内容。

加入我们的Discord社区，获取更多信息、教程、工具，并与其他用户交流！

模型描述

• 开发者： BRIA AI
• 模型类型： 潜扩散模型的ControlNet
• 许可证： bria-2.3
• 模型说明： 适用于BRIA 2.3文本生成图像模型的ControlNet Canny版本，通过文本和条件图像的边缘映射生成图像。
• 更多资源： BRIA AI官网

获取权限

BRIA 2.3 ControlNet-Canny需搭配BRIA 2.3文本生成图像模型使用。点击此处了解详情。

Diffusers代码示例

pip install diffusers  

from diffusers import ControlNetModel, StableDiffusionXLControlNetPipeline  
import torch  
import cv2  
import numpy as np  
from PIL import Image  
from diffusers.utils import load_image  

controlnet = ControlNetModel.from_pretrained(  
    "briaai/BRIA-2.3-ControlNet-Canny",  
    torch_dtype=torch.float16  
)  

pipe = StableDiffusionXLControlNetPipeline.from_pretrained(  
    "briaai/BRIA-2.3",  
    controlnet=controlnet,  
    torch_dtype=torch.float16,  
)  
pipe.to("cuda")  

prompt = "一位美丽活泼的空灵歌手肖像，金色装饰，高度细节化，背景虚化"  
negative_prompt = "商标、水印、文字、丑陋、病态、多余手指、手部绘制不佳、突变、模糊、多余肢体、比例失调、缺失手臂、手部变异、长脖子、重复、残缺、残缺手部、面部绘制差、畸形、解剖结构错误、克隆面部、畸形肢体、缺失腿部、手指过多"  

# 计算Canny边缘图  
input_image = load_image(  
    "https://hf.co/datasets/huggingface/documentation-images/resolve/main/diffusers/input_image_vermeer.png"  
)  
input_image = np.array(input_image)  
low_threshold, high_threshold = 100, 200  
input_image = cv2.Canny(input_image, low_threshold, high_threshold)  
input_image = input_image[:, :, None]  
input_image = np.concatenate([input_image, input_image, input_image], axis=2)  
canny_image = Image.fromarray(input_image)  

image = pipe(prompt=prompt, negative_prompt=negative_prompt, image=canny_image, controlnet_conditioning_scale=1.0, height=1024, width=1024).images[0]