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

• 艺术
• controlnet
• stable-diffusion
• controlnet-v1-1
• 图像生成
  复刻来源：ControlNet-1-1-preview/control_v11p_sd15_mlsd

ControlNet - v1.1 - MLSD版本

ControlNet v1.1 是 ControlNet v1.0 的继任模型，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 格式的版本。
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 MLSD 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

• 许可协议： CreativeML OpenRAIL M 许可证，改编自 BigScience 和 RAIL Initiative 在负责任 AI 许可领域的合作成果。另请参阅基于 BLOOM Open RAIL 许可证 的相关文章。

• 更多资源： 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 在论文 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（< 5 万）也能稳健学习。
此外，训练 ControlNet 的速度与微调扩散模型相当，并且可以在个人设备上完成。
如果有强大的计算集群可用，模型还可以扩展到海量数据（数百万到数十亿）。
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。
这可以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，因为检查点已基于其训练。
实验表明，该检查点也可与其他扩散模型（如 Dreambooth 微调的 Stable Diffusion）配合使用。

注意：如需处理图像以生成辅助条件，需安装以下外部依赖项：

1. 安装 controlnet_aux：

$ pip install controlnet_aux==0.3.0  

2. 安装 diffusers 及相关包：

$ pip install diffusers transformers accelerate  

3. 运行代码：

import torch  
import os  
from huggingface_hub import HfApi  
from pathlib import Path  
from diffusers.utils import load_image  
from PIL import Image  
import numpy as np  
from controlnet_aux import MLSDdetector  

from diffusers import (  
    ControlNetModel,  
    StableDiffusionControlNetPipeline,  
    UniPCMultistepScheduler,  
)  

checkpoint = "lllyasviel/control_v11p_sd15_mlsd"  

image = load_image(  
    "https://huggingface.co/lllyasviel/control_v11p_sd15_mlsd/resolve/main/images/input.png"  
)  

prompt = "豪华皇家卧室"  

processor = MLSDdetector.from_pretrained('lllyasviel/ControlNet')  

control_image = processor(image)  
control_image.save("./images/control.png")  

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

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

generator = torch.manual_seed(0)  
image = pipe(prompt, num_inference_steps=30, generator=generator, image=control_image).images[0]  

image.save('images/image_out.png')  

其他 v1-1 版本检查点

作者发布了 14 个不同的检查点，每个均基于 Stable Diffusion v1-5 训练，对应不同的条件类型：

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	基于 Canny 边缘检测训练	黑白边缘图
lllyasviel/control_v11e_sd15_ip2p	基于像素到像素指令训练	无条件
...（其余模型示例省略）...

MLSD 1.1 的改进：

• 修复了此前 cnet 1.0 训练数据集的问题，包括：(1) 部分灰度人像图像重复数千次，导致模型易生成灰度人像；(2) 部分图像质量低、模糊或存在明显 JPEG 伪影；(3) 少量图像因数据处理脚本错误导致提示词配对错误。新模型修复了所有问题，生成结果更合理。
• 通过 MLSD 筛选包含超过 16 条直线的图像，新增 30 万张训练数据。
• 应用了左右随机翻转等数据增强技术。
• 基于 MLSD 1.0 继续训练，累计使用 200 A100 80G GPU 小时。

更多信息

更多信息请参阅 Diffusers ControlNet 博客文章 和 官方文档。