许可协议：Apache-2.0
基础模型：stabilityai/stable-diffusion-xl-base-1.0
标签：

• 艺术
• t2i-adapter
• 图像生成图像
• stable-diffusion-xl-diffusers
• stable-diffusion-xl

T2I-Adapter-SDXL - Openpose模型

T2I Adapter是一种为稳定扩散模型提供额外条件控制的网络。每个T2I检查点接收不同类型的条件输入，并与特定的基础稳定扩散检查点配合使用。

本检查点专为StableDiffusionXL模型提供基于Openpose姿态的条件控制。该项目由腾讯ARC与Hugging Face合作完成。

模型详情

• 开发者： T2I-Adapter: 通过学习适配器挖掘文本到图像扩散模型的更多可控能力

• 模型类型： 基于扩散的文本到图像生成模型

• 支持语言： 英语

• 许可协议： Apache 2.0

• 更多资源： GitHub仓库、论文

• 模型复杂度：
  | | SD-V1.4/1.5 | SD-XL | T2I-Adapter | T2I-Adapter-SDXL |
  | --- | --- |--- |--- |--- |
  | 参数量 | 860M | 2.6B |77 M | 77/79 M |

• 引用格式：

  @misc{
  title={T2I-Adapter: 通过学习适配器挖掘文本到图像扩散模型的更多可控能力},
  author={牟冲, 王新涛, 谢良彬, 吴彦泽, 张健, 齐中阳, 单瀛, 邱晓虎},
  year={2023},
  eprint={2302.08453},
  archivePrefix={arXiv},
  primaryClass={cs.CV}
  }

检查点概览

模型名称	控制图像说明	控制图像示例	生成图像示例
TencentARC/t2i-adapter-canny-sdxl-1.0 基于Canny边缘检测训练	黑白边缘图（白边黑底）
TencentARC/t2i-adapter-sketch-sdxl-1.0 基于PidiNet边缘检测训练	手绘黑白线稿（白线黑底）
TencentARC/t2i-adapter-lineart-sdxl-1.0 基于线稿边缘检测训练	手绘黑白线稿（白线黑底）
TencentARC/t2i-adapter-depth-midas-sdxl-1.0 基于Midas深度估计训练	灰度深度图（黑色为深处，白色为浅处）
TencentARC/t2i-adapter-depth-zoe-sdxl-1.0 基于Zoe深度估计训练	灰度深度图（黑色为深处，白色为浅处）
TencentARC/t2i-adapter-openpose-sdxl-1.0 基于OpenPose骨骼图训练	OpenPose骨骼图

使用示例

安装依赖

pip install -U git+https://github.com/huggingface/diffusers.git  
pip install -U controlnet_aux==0.0.7 # 用于条件模型和检测器  
pip install transformers accelerate safetensors  

使用流程

1. 将图像转换为对应的控制图像格式
2. 将控制图像和提示词传入StableDiffusionXLAdapterPipeline

Openpose适配器示例

依赖加载

from diffusers import StableDiffusionXLAdapterPipeline, T2IAdapter, EulerAncestralDiscreteScheduler, AutoencoderKL  
from diffusers.utils import load_image, make_image_grid  
from controlnet_aux import OpenposeDetector  
import torch  
import numpy as np  
from PIL import Image  

# 加载适配器  
adapter = T2IAdapter.from_pretrained(  
  "TencentARC/t2i-adapter-openpose-sdxl-1.0", torch_dtype=torch.float16  
).to("cuda")  

# 加载调度器和VAE  
model_id = 'stabilityai/stable-diffusion-xl-base-1.0'  
euler_a = EulerAncestralDiscreteScheduler.from_pretrained(model_id, subfolder="scheduler")  
vae=AutoencoderKL.from_pretrained("madebyollin/sdxl-vae-fp16-fix", torch_dtype=torch.float16)  
pipe = StableDiffusionXLAdapterPipeline.from_pretrained(  
    model_id, vae=vae, adapter=adapter, scheduler=euler_a, torch_dtype=torch.float16, variant="fp16"  
).to("cuda")  
pipe.enable_xformers_memory_efficient_attention()  

# 加载姿态检测器  
open_pose = OpenposeDetector.from_pretrained("lllyasviel/Annotators")  

控制图像生成

url = "https://huggingface.co/Adapter/t2iadapter/resolve/main/people.jpg"  
image = load_image(url)  
image = open_pose(image, detect_resolution=512, image_resolution=1024)  
image = np.array(image)[:, :, ::-1]             
image = Image.fromarray(np.uint8(image))   

图像生成

prompt = "一对情侣，4K高清照片，细节丰富"  
negative_prompt = "动漫，卡通，图形，文字，油画，蜡笔，素描，抽象，故障，变形，突变，丑陋，畸形"  

gen_images = pipe(  
  prompt=prompt,  
  negative_prompt=negative_prompt,  
  image=image,  
  num_inference_steps=30,  
  adapter_conditioning_scale=1,  
  guidance_scale=7.5    
).images[0]  
gen_images.save('out_pose.png')  

训练说明

我们的训练脚本基于官方提供的SDXL训练指南构建。

模型在LAION-Aesthetics V2的300万张高分辨率图文对上训练，关键参数如下：

• 训练步数：35000步
• 批量大小：数据并行，单GPU批量16，总批量256
• 学习率：恒定1e-5
• 混合精度：fp16