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 - 人体姿态版本

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。
此检查点对应基于人体姿态估计条件训练的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，通过添加额外输入条件来控制预训练的大型扩散模型。该结构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。若配备强大算力集群，还可处理百万至十亿级数据。实验表明，Stable Diffusion等大型扩散模型结合ControlNet后，能支持边缘图、分割图、关键点等条件输入，这将丰富控制大模型的方法并推动相关应用。

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，对应不同控制条件：

使用示例

建议配合Stable Diffusion v1-5使用本检查点。实验表明，该检查点也可适配其他扩散模型（如DreamBooth微调的Stable Diffusion）。

注意：如需预处理图像生成辅助条件，需安装以下依赖：

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 OpenposeDetector  
from diffusers.utils import load_image  

# 初始化姿态检测器  
openpose = OpenposeDetector.from_pretrained('lllyasviel/ControlNet')  

# 加载并处理姿态图  
image = load_image("https://huggingface.co/lllyasviel/sd-controlnet-openpose/resolve/main/images/pose.png")  
image = openpose(image)  

# 加载ControlNet与Stable Diffusion管道  
controlnet = ControlNetModel.from_pretrained("lllyasviel/sd-controlnet-openpose", 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)  

# 启用内存优化（需xformers）  
pipe.enable_xformers_memory_efficient_attention()  
pipe.enable_model_cpu_offload()  

# 生成图像  
image = pipe("厨房中的厨师", image, num_inference_steps=20).images[0]  
image.save('images/chef_pose_out.png')  

训练细节

Openpose模型基于20万张姿态-图像对训练，姿态图由Openpose生成。使用NVIDIA A100 80G显卡，以Stable Diffusion 1.5为基底模型训练300 GPU小时。

博客文章

更多信息请参阅官方ControlNet博客文章。