Controlnet Openpose Sdxl 1.0

🚀 SDXL - controlnet: OpenPose (v2)

このモデルは、OpenPose (v2) コンディショニングを用いて stabilityai/stable - diffusion - xl - base - 1.0 上で学習されたControlNetの重みです。以下にいくつかのサンプル画像を紹介します。

✨ 主な機能

• テキストから画像を生成することができます。
• ControlNetを利用して、OpenPoseに基づくコンディショニングを行います。

📦 インストール

まず、必要なライブラリをインストールします。

pip install -q controlnet_aux transformers accelerate
pip install -q git+https://github.com/huggingface/diffusers

💻 使用例

基本的な使用法

以下のコードで、ダース・ベイダーが踊る画像を生成することができます。

from diffusers import AutoencoderKL, StableDiffusionXLControlNetPipeline, ControlNetModel, UniPCMultistepScheduler
import torch
from controlnet_aux import OpenposeDetector
from diffusers.utils import load_image


# Compute openpose conditioning image.
openpose = OpenposeDetector.from_pretrained("lllyasviel/ControlNet")

image = load_image(
    "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/diffusers/person.png"
)
openpose_image = openpose(image)

# Initialize ControlNet pipeline.
controlnet = ControlNetModel.from_pretrained("thibaud/controlnet-openpose-sdxl-1.0", torch_dtype=torch.float16)
pipe = StableDiffusionXLControlNetPipeline.from_pretrained(
    "stabilityai/stable-diffusion-xl-base-1.0", controlnet=controlnet, torch_dtype=torch.float16
)
pipe.enable_model_cpu_offload()


# Infer.
prompt = "Darth vader dancing in a desert, high quality"
negative_prompt = "low quality, bad quality"
images = pipe(
    prompt, 
    negative_prompt=negative_prompt,
    num_inference_steps=25,
    num_images_per_prompt=4,
    image=openpose_image.resize((1024, 1024)),
    generator=torch.manual_seed(97),
).images
images[0]

生成されたサンプル画像は以下の通りです。

📚 ドキュメント

Comfy Workflow

(画像はComfyUIから取得したもので、Comfyにドラッグアンドドロップすることでワークフローとして使用できます)

プロンプトとサンプル画像

プロンプト: a ballerina, romantic sunset, 4k photo

🔧 技術詳細

学習方法

学習スクリプトはHF🤗のこちらを参照してください。

学習データ

このチェックポイントは、最大最小次元が768にリサイズされたlaion 6a上で15,000ステップ学習されました。

コンピューティング環境

1台の1xA100マシンを使用しました (HF🤗にコンピューティング環境を提供していただき、ありがとうございます！)

バッチサイズ

データ並列で、単一GPUのバッチサイズは2、勾配蓄積は8です。

ハイパーパラメータ

学習率は8e - 5の定数です。

混合精度

fp16

📄 ライセンス

ライセンスについては、OpenPoseのものを参照してください。