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

• 艺术
• controlnet
• stable-diffusion
• 图像生成

ControlNet - 涂鸦版本

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。
该检查点对应基于涂鸦图像条件的ControlNet模型。

可与Stable Diffusion结合使用。

模型详情

• 开发者: 张吕敏, Maneesh Agrawala

• 模型类型: 基于扩散的文本生成图像模型

• 支持语言: 英语

• 许可证: CreativeML OpenRAIL M许可证，改编自BigScience与RAIL倡议在负责任AI许可领域的合作成果。详见基于BLOOM Open RAIL许可证的条款。

• 更多资源: GitHub仓库, 论文。

• 引用格式:

  @misc{zhang2023adding,
  title={为文本到图像扩散模型添加条件控制},
  author={张吕敏 and Maneesh Agrawala},
  year={2023},
  eprint={2302.05543},
  archivePrefix={arXiv},
  primaryClass={cs.CV}
  }

简介

ControlNet由张吕敏和Maneesh Agrawala在论文《为文本到图像扩散模型添加条件控制》中提出。

摘要如下：

我们提出了一种神经网络结构ControlNet，通过额外输入条件来控制预训练的大型扩散模型。该模型能以端到端方式学习任务特定条件，即使在小训练集（<5万）下仍保持鲁棒性。训练速度与微调扩散模型相当，可在个人设备上完成。若配备高性能计算集群，还能处理海量数据（百万至十亿级）。实验表明，像Stable Diffusion这样的大型扩散模型结合ControlNet后，可支持边缘图、分割图、关键点等条件输入，这将丰富控制大模型的方法并拓展应用场景。

已发布检查点

作者发布了8个不同检查点，均基于Stable Diffusion v1-5训练，对应不同条件类型：

模型名称	控制图像概述	控制图示例	生成图示例
lllyasviel/sd-controlnet-canny 基于Canny边缘检测训练	黑白图像，黑色背景上的白色边缘
lllyasviel/sd-controlnet-depth 基于Midas深度估计训练	灰度图，黑色代表深处，白色代表浅处
其他模型行省略...

使用示例

建议配合Stable Diffusion v1-5使用。实验表明也可适配其他扩散模型（如dreambooth优化的stable diffusion）。

注意：处理图像生成辅助条件需额外依赖：

1. 安装controlnet_aux：

pip install controlnet_aux

2. 安装diffusers及相关包：

pip install diffusers transformers accelerate

3. 运行代码：

from PIL import Image  
from diffusers import StableDiffusionControlNetPipeline, ControlNetModel, UniPCMultistepScheduler  
import torch  
from controlnet_aux import HEDdetector  
from diffusers.utils import load_image  

hed = HEDdetector.from_pretrained('lllyasviel/ControlNet')  
image = load_image("https://huggingface.co/lllyasviel/sd-controlnet-scribble/resolve/main/images/bag.png")  
image = hed(image, scribble=True)  

controlnet = ControlNetModel.from_pretrained("lllyasviel/sd-controlnet-scribble", torch_dtype=torch.float16)  
pipe = StableDiffusionControlNetPipeline.from_pretrained(  
    "runwayml/stable-diffusion-v1-5", controlnet=controlnet, safety_checker=None, torch_dtype=torch.float16  
)  
pipe.scheduler = UniPCMultistepScheduler.from_config(pipe.scheduler.config)  
pipe.enable_xformers_memory_efficient_attention()  
pipe.enable_model_cpu_offload()  

image = pipe("手提包", image, num_inference_steps=20).images[0]  
image.save('bag_scribble_out.png')  

训练过程

涂鸦模型在50万组涂鸦-图像-标题对上训练。涂鸦图像通过HED边界检测及数据增强（阈值处理、掩码、形态学变换和非极大抑制）生成。使用Nvidia A100 80G显卡以canny模型为基模型训练150 GPU小时。

博客文章

更多信息请参阅官方ControlNet博客。