Animatediff Motion Adapter V1 5 3

🚀 AnimateDiff

AnimateDiffは、既存のStable Diffusionのテキストから画像へのモデルを使用して動画を作成できる手法です。この手法は、凍結されたテキストから画像へのモデルにモーションモジュール層を挿入し、動画クリップで学習することでモーションの事前知識を抽出します。

これらのモーションモジュールは、Stable DiffusionのUNetのResNetとAttentionブロックの後に適用されます。その目的は、画像フレーム間で一貫したモーションを導入することです。これらのモジュールをサポートするために、MotionAdapterとUNetMotionModelの概念を導入しています。これらは、既存のStable Diffusionモデルでこれらのモーションモジュールを使う便利な方法を提供します。

masterpiece, bestquality, sunset.

🚀 クイックスタート

以下の例は、既存のStable Diffusionのテキストから画像へのモデルでモーションモジュールをどのように利用できるかを示しています。

💻 使用例

基本的な使用法

import torch
from diffusers import MotionAdapter, AnimateDiffPipeline, EulerAncestralDiscreteScheduler
from diffusers.utils import export_to_gif

# Load the motion adapter
adapter = MotionAdapter.from_pretrained("guoyww/animatediff-motion-adapter-v1-5-3")
# load SD 1.5 based finetuned model
model_id = "SG161222/Realistic_Vision_V5.1_noVAE"
pipe = AnimateDiffPipeline.from_pretrained(model_id, motion_adapter=adapter)
scheduler = EulerAncestralDiscreteScheduler.from_pretrained(
    model_id,
    subfolder="scheduler",
    beta_schedule="linear",
)
pipe.scheduler = scheduler

# enable memory savings
pipe.enable_vae_slicing()
pipe.enable_model_cpu_offload()

output = pipe(
    prompt=(
        "masterpiece, bestquality, highlydetailed, ultradetailed, sunset, "
        "orange sky, warm lighting, fishing boats, ocean waves seagulls, "
        "rippling water, wharf, silhouette, serene atmosphere, dusk, evening glow, "
        "golden hour, coastal landscape, seaside scenery"
    ),
    negative_prompt="bad quality, worse quality",
    num_frames=16,
    guidance_scale=7.5,
    num_inference_steps=25,
    generator=torch.Generator("cpu").manual_seed(42),
)
frames = output.frames[0]
export_to_gif(frames, "animation.gif")