Controlnet Canny Sdxl 1.0

🚀 SDXL-controlnet: Canny

このプロジェクトは、Canny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の重みを提供します。以下にいくつかのサンプル画像を示します。

サンプル画像

• プロンプト: a couple watching a romantic sunset, 4k photo
• プロンプト: ultrarealistic shot of a furry blue bird
• プロンプト: a woman, close up, detailed, beautiful, street photography, photorealistic, detailed, Kodak ektar 100, natural, candid shot
• プロンプト: Cinematic, neoclassical table in the living room, cinematic, contour, lighting, highly detailed, winter, golden hour
• プロンプト: a tornado hitting grass field, 1980's film grain. overcast, muted colors.

🚀 クイックスタート

まずは必要なライブラリをインストールしましょう。

pip install accelerate transformers safetensors opencv-python diffusers

その後、以下のコードを実行することで使用できます。

from diffusers import ControlNetModel, StableDiffusionXLControlNetPipeline, AutoencoderKL
from diffusers.utils import load_image
from PIL import Image
import torch
import numpy as np
import cv2

prompt = "aerial view, a futuristic research complex in a bright foggy jungle, hard lighting"
negative_prompt = 'low quality, bad quality, sketches'

image = load_image("https://huggingface.co/datasets/hf-internal-testing/diffusers-images/resolve/main/sd_controlnet/hf-logo.png")

controlnet_conditioning_scale = 0.5  # recommended for good generalization

controlnet = ControlNetModel.from_pretrained(
    "diffusers/controlnet-canny-sdxl-1.0",
    torch_dtype=torch.float16
)
vae = AutoencoderKL.from_pretrained("madebyollin/sdxl-vae-fp16-fix", torch_dtype=torch.float16)
pipe = StableDiffusionXLControlNetPipeline.from_pretrained(
    "stabilityai/stable-diffusion-xl-base-1.0",
    controlnet=controlnet,
    vae=vae,
    torch_dtype=torch.float16,
)
pipe.enable_model_cpu_offload()

image = np.array(image)
image = cv2.Canny(image, 100, 200)
image = image[:, :, None]
image = np.concatenate([image, image, image], axis=2)
image = Image.fromarray(image)

images = pipe(
    prompt, negative_prompt=negative_prompt, image=image, controlnet_conditioning_scale=controlnet_conditioning_scale,
    ).images

images[0].save(f"hug_lab.png")

詳細については、StableDiffusionXLControlNetPipelineの公式ドキュメントを参照してください。

🔧 技術詳細

学習

この学習スクリプトは、こちらで提供されている公式の学習スクリプトをベースに構築されています。

学習データ

このチェックポイントは、まず最大最小寸法が384にリサイズされたlaion 6aで20,000ステップ学習されました。その後、最大最小寸法が1024にリサイズされ、最小1024の画像のみを含むようにフィルタリングされたlaion 6aでさらに20,000ステップ学習されました。高解像度での微調整は画像品質に必要であることがわかりました。

コンピューティング環境

1台の8xA100マシン

バッチサイズ

データ並列で、単一GPUのバッチサイズは8、合計バッチサイズは64です。

ハイパーパラメータ

学習率は1e-4で一定で、バッチサイズでスケーリングされ、合計学習率は64e-4です。

混合精度

fp16

📄 ライセンス

ライセンスはopenrail++です。