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

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

T2I-Adapter-SDXL - Depth-Zoe

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模型提供深度条件控制。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

• 语言： 英语

• 许可证： Apache 2.0

• 更多信息： 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：

  @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, 谢晓虎},
  year={2023},
  eprint={2302.08453},
  archivePrefix={arXiv},
  primaryClass={cs.CV}
  }

检查点

模型名称	控制图像概述	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	黑白边缘图像，黑色背景上显示白色边缘。
TencentARC/t2i-adapter-sketch-sdxl-1.0 基于PidiNet边缘检测训练	手绘黑白线稿，黑色背景上显示白色轮廓。
TencentARC/t2i-adapter-lineart-sdxl-1.0 基于线稿边缘检测训练	手绘黑白线稿，黑色背景上显示白色轮廓。
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，白色代表浅处。
TencentARC/t2i-adapter-depth-zoe-sdxl-1.0 基于Zoe深度估计训练	灰度深度图，黑色代表深处，白色代表浅处。
TencentARC/t2i-adapter-openpose-sdxl-1.0 基于OpenPose骨骼图像训练	OpenPose骨骼图像。

示例

首先安装所需依赖：

pip install -U git+https://github.com/huggingface/diffusers.git  
pip install -U controlnet_aux==0.0.7 timm==0.6.12 # 用于条件模型和检测器  
pip install transformers accelerate safetensors  

1. 图像首先被转换为适当的控制图像格式。
2. 控制图像和提示词被传入StableDiffusionXLAdapterPipeline。

以下是一个使用Depth-zoe Adapter的简单示例：

• 依赖项

from diffusers import StableDiffusionXLAdapterPipeline, T2IAdapter, EulerAncestralDiscreteScheduler, AutoencoderKL  
from diffusers.utils import load_image, make_image_grid  
from controlnet_aux import ZoeDetector  
import torch  

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

# 加载euler_a调度器  
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()  

zoe_depth = ZoeDetector.from_pretrained(  
    "valhalla/t2iadapter-aux-models", filename="zoed_nk.pth", model_type="zoedepth_nk"  
).to("cuda")  

• 控制图像

url = "https://huggingface.co/Adapter/t2iadapter/resolve/main/figs_SDXLV1.0/org_zeo.jpg"  
image = load_image(url)  
image = zoe_depth(image, gamma_corrected=True, detect_resolution=512, image_resolution=1024)  

• 生成

prompt = "一张兰花的照片，4K高清，细节丰富"  
negative_prompt = "动漫，卡通，图形，文字，绘画，蜡笔，石墨，抽象，故障，变形，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_zoe.png')  

训练

我们的训练脚本基于官方提供的训练脚本构建。

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

• 训练步数：25000
• 批量大小：数据并行，单GPU批量16，总批量256
• 学习率：恒定学习率1e-5
• 混合精度：fp16