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 - 线稿版

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。

本检查点为 StableDiffusionXL 模型提供线稿条件控制功能。该项目由 腾讯 ARC 与 Hugging Face 合作开发。

模型详情

• 开发者： T2I-Adapter: 通过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

• 模型复杂度对比表：
  | | 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（黑色代表深处）
TencentARC/t2i-adapter-depth-zoe-sdxl-1.0 基于Zoe深度估计训练	灰度深度图（黑色代表深处）
TencentARC/t2i-adapter-openpose-sdxl-1.0 基于OpenPose骨骼图训练	OpenPose骨骼图

使用示例

环境配置

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

线稿适配器使用流程

1. 加载适配器与管道

from diffusers import StableDiffusionXLAdapterPipeline, T2IAdapter, EulerAncestralDiscreteScheduler, AutoencoderKL
from diffusers.utils import load_image
from controlnet_aux.lineart import LineartDetector
import torch

# 加载线稿适配器
adapter = T2IAdapter.from_pretrained(
    "TencentARC/t2i-adapter-lineart-sdxl-1.0", 
    torch_dtype=torch.float16, 
    variant="fp16"
).to("cuda")

# 配置SDXL管道
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()

# 初始化线稿检测器
line_detector = LineartDetector.from_pretrained("lllyasviel/Annotators").to("cuda")

2. 准备条件图像

url = "https://huggingface.co/Adapter/t2iadapter/resolve/main/figs_SDXLV1.0/org_lin.jpg"
input_image = load_image(url)
condition_image = line_detector(input_image, detect_resolution=384, image_resolution=1024)

3. 生成图像

prompt = "冰龙咆哮，4K高清照片"
negative_prompt = "动漫, 卡通, 图形, 文字, 油画, 蜡笔, 抽象, 故障, 畸形, 丑陋"
output_image = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    image=condition_image,
    num_inference_steps=30,
    adapter_conditioning_scale=0.8,
    guidance_scale=7.5
).images[0]
output_image.save('output_lineart.png')

训练说明

本模型基于官方训练脚本开发（详见此处），使用LAION-Aesthetics V2数据集的300万高清图文对进行训练，关键参数：

• 训练步数：20000
• 批量大小：单GPU批大小16（总批大小256）
• 学习率：恒定1e-5
• 混合精度：fp16