许可证：apache-2.0
基础模型：stabilityai/stable-diffusion-xl-base-1.0
标签：

• 艺术
• t2i-adapter
• 图像到图像
• stable-diffusion-xl-diffusers
• stable-diffusion-xl

T2I-Adapter-SDXL - Canny边缘适配器

T2I适配器是一种为Stable Diffusion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Stable Diffusion检查点配合使用。

本检查点专为StableDiffusionXL提供Canny边缘检测条件控制，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
• 许可证： 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  

操作流程

1. 将图像预处理为对应的控制图像格式
2. 将控制图像和提示词传入StableDiffusionXLAdapterPipeline

Canny适配器示例代码

from diffusers import StableDiffusionXLAdapterPipeline, T2IAdapter, EulerAncestralDiscreteScheduler, AutoencoderKL  
from diffusers.utils import load_image  
from controlnet_aux.canny import CannyDetector  
import torch  

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

# 配置SDXL管线  
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()  

# 边缘检测器  
canny_detector = CannyDetector()  

处理控制图像

url = "https://huggingface.co/Adapter/t2iadapter/resolve/main/figs_SDXLV1.0/org_canny.jpg"  
image = load_image(url)  

# 在低分辨率下检测边缘以避免高频细节  
image = canny_detector(image, detect_resolution=384, image_resolution=1024)  

生成图像

prompt = "神秘仙子，真实魔法，4K高清"  
negative_prompt = "多余数字，缺数字，裁剪，低质量，畸形，突变，丑陋"  

output_image = pipe(  
    prompt=prompt,  
    negative_prompt=negative_prompt,  
    image=image,  
    num_inference_steps=30,  
    guidance_scale=7.5,  
    adapter_conditioning_scale=0.8,  
    adapter_conditioning_factor=1  
).images[0]  
output_image.save('output.png')  

训练说明

训练脚本基于官方SDXL训练方案实现，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
• 批大小：单GPU批大小16，总批大小256（数据并行）
• 学习率：恒定1e-5
• 混合精度：fp16