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

• 艺术
• 控制网
• 稳定扩散
• controlnet-v1-1
• 图像到图像 复制来源: ControlNet-1-1-preview/control_v11p_sd15_canny

Controlnet - v1.1 - Canny边缘版本

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 Canny边缘 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许可领域的合作成果。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任务特定条件，即使训练数据集较小（< 5万）也能稳健学习。此外，训练 ControlNet 与微调扩散模型一样快速，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 opencv：

$ pip install opencv-contrib-python

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
import numpy as np
import cv2
from PIL import Image

from diffusers import (
    ControlNetModel,
    StableDiffusionControlNetPipeline,
    UniPCMultistepScheduler,
)

checkpoint = "lllyasviel/control_v11p_sd15_canny"

image = load_image(
    "https://huggingface.co/lllyasviel/control_v11p_sd15_canny/resolve/main/images/input.png"
)

image = np.array(image)

low_threshold = 100
high_threshold = 200

image = cv2.Canny(image, low_threshold, high_threshold)
image = image[:, :, None]
image = np.concatenate([image, image, image], axis=2)
control_image = Image.fromarray(image)

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(33)
image = pipe("a blue paradise bird in the jungle", num_inference_steps=20, 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，每个都在 Stable Diffusion v1-5 上针对不同类型的条件进行了训练：

模型名称	控制图像概述	条件图像	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	带有标注线段的图像。
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	带有打乱区块或区域的图像。
lllyasviel/control_v11f1e_sd15_tile	使用图像平铺训练	模糊图像或部分图像。

Canny 1.1 的改进：

• 之前的 cnet 1.0 训练数据集存在几个问题，包括 (1) 一小部分灰度人像图像被重复数千次（！！），导致之前的模型容易生成灰度人像；(2) 一些图像质量低、非常模糊或存在明显的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加合理。
• 由于 Canny 模型是最重要的（可能是最常用的）ControlNet 之一，我们使用资金在一台配备8块Nvidia A100 80G的机器上以批次大小8×32=256训练了3天，花费了72×30=2160美元（8块A100 80G每小时30美元）。该模型是从 Canny 1.0 恢复训练的。
• 训练中应用了一些合理的数据增强，如随机左右翻转。
• 尽管评估 ControlNet 很困难，但我们发现 Canny 1.1 比 Canny 1.0 更稳健，视觉质量也略高。

更多信息

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