🚀 SDXL-controlnet: OpenPose (v2)

SDXL-controlnet: OpenPose (v2) 是基于 stabilityai/stable-diffusion-xl-base-1.0 训练得到的 ControlNet 权重，使用 OpenPose (v2) 进行条件控制。它可以实现文本到图像的转换，通过输入特定的文本描述，生成相应的图像。

✨ 主要特性

• 基于 Stable Diffusion XL 基础模型，结合 OpenPose (v2) 条件控制，能够生成具有特定姿态的图像。
• 支持在 🧨 diffusers 库中使用，方便开发者进行集成和调用。

📦 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

以下是一个使用该模型生成图像的示例代码，让 Darth Vader 在沙漠中跳舞：

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

# Compute openpose conditioning image.
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)

# Initialize ControlNet pipeline.
controlnet = ControlNetModel.from_pretrained("thibaud/controlnet-openpose-sdxl-1.0", 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()

# Infer.
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]

示例图片

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

Comfy 工作流

⚠️ 重要提示

图片来自 ComfyUI，你可以在 Comfy 中拖放该图片以作为工作流使用。

📚 详细文档

训练相关信息

• 训练脚本：使用 HF🤗 的训练脚本，可参考 此处。
• 训练数据：该检查点首先在 laion 6a 上进行了 15,000 步的训练，数据被调整为最大最小尺寸为 768。
• 计算资源：使用一台 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。