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

• 艺术
• controlnet
• stable-diffusion
• controlnet-v1-1
• 图像到图像
  复制来源：ControlNet-1-1-preview/control_v11p_sd15_inpaint

ControlNet - v1.1 - 修复版本

ControlNet v1.1 由 Lvmin Zhang 在 lllyasviel/ControlNet-v1-1 发布。

此检查点是将 原始检查点 转换为 diffusers 格式的结果。
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 修复图像 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 是一种 Open RAIL M 许可证，改编自 BigScience 和 RAIL Initiative 在负责任 AI 许可领域的联合工作。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： 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（< 50k），学习也能保持稳健。
此外，训练 ControlNet 与微调扩散模型一样快，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，该检查点也可以与其他扩散模型（如 dreamboothed stable diffusion）一起使用。

1. 安装 diffusers 及相关包：

$ pip install diffusers transformers accelerate  

2. 运行代码：

# !pip install transformers accelerate  
from diffusers import StableDiffusionControlNetInpaintPipeline, ControlNetModel  
from diffusers.utils import load_image  
import numpy as np  
import torch  

init_image = load_image(  
    "https://huggingface.co/datasets/diffusers/test-arrays/resolve/main/stable_diffusion_inpaint/boy.png"  
)  
init_image = init_image.resize((512, 512))  

generator = torch.Generator(device="cpu").manual_seed(1)  

mask_image = load_image(  
    "https://huggingface.co/datasets/diffusers/test-arrays/resolve/main/stable_diffusion_inpaint/boy_mask.png"  
)  
mask_image = mask_image.resize((512, 512))  

def make_inpaint_condition(image, image_mask):  
    image = np.array(image.convert("RGB")).astype(np.float32) / 255.0  
    image_mask = np.array(image_mask.convert("L")).astype(np.float32) / 255.0  

    assert image.shape[0:1] == image_mask.shape[0:1], "image and image_mask must have the same image size"  
    image[image_mask > 0.5] = -1.0  # 设置为遮罩像素  
    image = np.expand_dims(image, 0).transpose(0, 3, 1, 2)  
    image = torch.from_numpy(image)  
    return image  

control_image = make_inpaint_condition(init_image, mask_image)  

controlnet = ControlNetModel.from_pretrained(  
    "lllyasviel/control_v11p_sd15_inpaint", torch_dtype=torch.float16  
)  
pipe = StableDiffusionControlNetInpaintPipeline.from_pretrained(  
    "runwayml/stable-diffusion-v1-5", controlnet=controlnet, torch_dtype=torch.float16  
)  

pipe.scheduler = DDIMScheduler.from_config(pipe.scheduler.config)  
pipe.enable_model_cpu_offload()  

# 生成图像  
image = pipe(  
    "a handsome man with ray-ban sunglasses",  
    num_inference_steps=20,  
    generator=generator,  
    eta=1.0,  
    image=init_image,  
    mask_image=mask_image,  
    control_image=control_image,  
).images[0]  

其他发布的检查点 v1-1

作者发布了 14 个不同的检查点，每个检查点均在 Stable Diffusion v1-5 上针对不同类型的条件进行训练：

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	带有注释线段的图像。
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