许可证: openrail 基础模型: runwayml/stable-diffusion-v1-5 标签:

• 艺术
• controlnet
• stable-diffusion
• controlnet-v1-1
• 图像到图像 复制来源: ControlNet-1-1-preview/control_v11p_sd15_openpose

Controlnet - v1.1 - openpose版本

Controlnet v1.1 是 Controlnet v1.0 的继任模型，由 Lvmin Zhang 在 lllyasviel/ControlNet-v1-1 发布。

此检查点是 原始检查点 转换为 diffusers 格式的版本。它可以与 Stable Diffusion 结合使用，例如 runwayml/stable-diffusion-v1-5。

更多详情，请参阅 🧨 Diffusers 文档。

ControlNet 是一种通过添加额外条件来控制扩散模型的神经网络结构。

此检查点对应于基于 openpose 图像 条件的 ControlNet。

模型详情

• 开发者: Lvmin Zhang, Maneesh Agrawala

• 模型类型: 基于扩散的文本到图像生成模型

• 语言: 英语

• 许可证: CreativeML OpenRAIL M 许可证 是一个 Open RAIL M 许可证，改编自 BigScience 和 RAIL Initiative 在负责任 AI 许可领域的联合工作。另请参阅 关于 BLOOM Open RAIL 许可证的文章，我们的许可证基于此。

• 更多信息资源: GitHub 仓库, 论文。

• 引用方式:

  @misc{zhang2023adding, title={Adding Conditional Control to Text-to-Image Diffusion Models}, author={Lvmin Zhang and Maneesh Agrawala}, year={2023}, eprint={2302.05543}, archivePrefix={arXiv}, primaryClass={cs.CV} }

简介

Controlnet 由 Lvmin Zhang 和 Maneesh Agrawala 在 Adding Conditional Control to Text-to-Image Diffusion Models 中提出。

摘要如下：

我们提出了一种神经网络结构 ControlNet，用于控制预训练的大型扩散模型以支持额外的输入条件。ControlNet 以端到端的方式学习特定任务的条件，即使训练数据集很小（< 50k），学习过程也稳健。此外，训练 ControlNet 与微调扩散模型一样快，并且可以在个人设备上进行训练。如果有强大的计算集群可用，模型可以扩展到大量（数百万到数十亿）数据。我们报告称，像 Stable Diffusion 这样的大型扩散模型可以通过 ControlNet 增强，以支持边缘图、分割图、关键点等条件输入。这可能会丰富控制大型扩散模型的方法，并进一步促进相关应用。

示例

建议将此检查点与 Stable Diffusion v1-5 结合使用，因为检查点已在其上训练。实验上，该检查点也可以与其他扩散模型（如 dreamboothed stable diffusion）一起使用。

注意：如果要处理图像以创建辅助条件，需要以下外部依赖：

1. 安装 https://github.com/patrickvonplaten/controlnet_aux

$ pip install controlnet_aux==0.3.0

2. 安装 diffusers 及相关包：

$ pip install diffusers transformers accelerate

3. 运行代码：

import torch
import os
from huggingface_hub import HfApi
from pathlib import Path
from diffusers.utils import load_image
from PIL import Image
import numpy as np
from controlnet_aux import OpenposeDetector

from diffusers import (
    ControlNetModel,
    StableDiffusionControlNetPipeline,
    UniPCMultistepScheduler,
)

checkpoint = "lllyasviel/control_v11p_sd15_openpose"

image = load_image(
    "https://huggingface.co/lllyasviel/control_v11p_sd15_openpose/resolve/main/images/input.png"
)

prompt = "chef in the kitchen"

processor = OpenposeDetector.from_pretrained('lllyasviel/ControlNet')

control_image = processor(image, hand_and_face=True)
control_image.save("./images/control.png")

controlnet = ControlNetModel.from_pretrained(checkpoint, torch_dtype=torch.float16)
pipe = StableDiffusionControlNetPipeline.from_pretrained(
    "runwayml/stable-diffusion-v1-5", controlnet=controlnet, torch_dtype=torch.float16
)

pipe.scheduler = UniPCMultistepScheduler.from_config(pipe.scheduler.config)
pipe.enable_model_cpu_offload()

generator = torch.manual_seed(0)
image = pipe(prompt, num_inference_steps=30, generator=generator, image=control_image).images[0]

image.save('images/image_out.png')

其他发布的检查点 v1-1

作者发布了 14 个不同的检查点，每个检查点使用 Stable Diffusion v1-5 在不同类型的条件下训练：

模型名称	控制图像概述	控制图像示例	生成图像示例
lllyasviel/control_v11p_sd15_canny 使用 canny 边缘检测训练	黑色背景上带有白色边缘的单色图像。
lllyasviel/control_v11e_sd15_ip2p 使用像素到像素指令训练	无条件。
lllyasviel/control_v11p_sd15_inpaint 使用图像修复训练	无条件。
lllyasviel/control_v11p_sd15_mlsd 使用多级线段检测训练	带有注释线段的图像。
lllyasviel/control_v11f1p_sd15_depth 使用深度估计训练	带有深度信息的图像，通常表示为灰度图像。
lllyasviel/control_v11p_sd15_normalbae 使用表面法线估计训练	带有表面法线信息的图像，通常表示为彩色编码图像。
lllyasviel/control_v11p_sd15_seg 使用图像分割训练	带有分割区域的图像，通常表示为彩色编码图像。
lllyasviel/control_v11p_sd15_lineart 使用线稿生成训练	带有线稿的图像，通常是白色背景上的黑色线条。
lllyasviel/control_v11p_sd15s2_lineart_anime 使用动漫线稿生成训练	带有动漫风格线稿的图像。
lllyasviel/control_v11p_sd15_openpose 使用人体姿态估计训练	带有人体姿态的图像，通常表示为一组关键点或骨架。
lllyasviel/control_v11p_sd15_scribble 使用涂鸦图像生成训练	带有涂鸦的图像，通常是随机或用户绘制的笔触。
lllyasviel/control_v11p_sd15_softedge 使用软边缘图像生成训练	带有软边缘的图像，通常用于创建更具绘画或艺术效果。
lllyasviel/control_v11e_sd15_shuffle 使用图像打乱训练	带有打乱块或区域的图像。

Openpose 1.1 的改进：

• 此模型的改进主要基于我们对 OpenPose 的改进实现。我们仔细审查了 pytorch OpenPose 和 CMU 的 c++ openpose 之间的差异。现在处理器应该更准确，尤其是对于手部。处理器的改进带来了 Openpose 1.1 的改进。
• 支持更多输入（手部和面部）。
• 之前的 cnet 1.0 训练数据集存在几个问题，包括 (1) 一小部分灰度人体图像被重复数千次（！！），导致之前的模型有时会生成灰度人体图像；(2) 一些图像质量低，非常模糊，或有明显的 JPEG 伪影；(3) 一小部分图像由于数据处理脚本的错误导致配对提示错误。新模型修复了训练数据集的所有问题，在许多情况下应该更合理。

更多信息

更多信息，请参阅 Diffusers ControlNet 博客文章 和 官方文档。