T2i Adapter Sketch Sdxl 1.0

🚀 T2I-Adapter-SDXL - Sketch

T2I Adapterは、Stable Diffusionに追加の条件付けを提供するネットワークです。各T2Iチェックポイントは異なるタイプの条件付けを入力として受け取り、特定の基本Stable Diffusionチェックポイントと共に使用されます。

このチェックポイントは、StableDiffusionXLチェックポイントにスケッチの条件付けを提供します。これはTencent ARCとHugging Faceの共同開発によるものです。

🚀 クイックスタート

このモデルを使用するには、まず必要な依存関係をインストールします。

pip install -U git+https://github.com/huggingface/diffusers.git
pip install -U controlnet_aux==0.0.7 # for conditioning models and detectors  
pip install transformers accelerate safetensors

1. 画像を適切なコントロール画像形式でダウンロードします。
2. コントロール画像とプロンプトをStableDiffusionXLAdapterPipelineに渡します。

✨ 主な機能

T2I Adapterは、Stable Diffusionに追加の条件付けを提供し、よりコントロール可能な画像生成を実現します。このモデルは、スケッチを条件付けとして使用して、StableDiffusionXLチェックポイントを強化します。

📦 インストール

必要な依存関係をインストールするには、以下のコマンドを実行します。

pip install -U git+https://github.com/huggingface/diffusers.git
pip install -U controlnet_aux==0.0.7 # for conditioning models and detectors  
pip install transformers accelerate safetensors

💻 使用例

基本的な使用法

# Dependency
from diffusers import StableDiffusionXLAdapterPipeline, T2IAdapter, EulerAncestralDiscreteScheduler, AutoencoderKL
from diffusers.utils import load_image, make_image_grid
from controlnet_aux.pidi import PidiNetDetector
import torch

# load adapter
adapter = T2IAdapter.from_pretrained(
  "TencentARC/t2i-adapter-sketch-sdxl-1.0", torch_dtype=torch.float16, varient="fp16"
).to("cuda")

# load euler_a scheduler
model_id = 'stabilityai/stable-diffusion-xl-base-1.0'
euler_a = EulerAncestralDiscreteScheduler.from_pretrained(model_id, subfolder="scheduler")
vae=AutoencoderKL.from_pretrained("madebyollin/sdxl-vae-fp16-fix", torch_dtype=torch.float16)
pipe = StableDiffusionXLAdapterPipeline.from_pretrained(
    model_id, vae=vae, adapter=adapter, scheduler=euler_a, torch_dtype=torch.float16, variant="fp16", 
).to("cuda")
pipe.enable_xformers_memory_efficient_attention()

pidinet = PidiNetDetector.from_pretrained("lllyasviel/Annotators").to("cuda")

# Condition Image
url = "https://huggingface.co/Adapter/t2iadapter/resolve/main/figs_SDXLV1.0/org_sketch.png"
image = load_image(url)
image = pidinet(
  image, detect_resolution=1024, image_resolution=1024, apply_filter=True
)

# Generation
prompt = "a robot, mount fuji in the background, 4k photo, highly detailed"
negative_prompt = "extra digit, fewer digits, cropped, worst quality, low quality, glitch, deformed, mutated, ugly, disfigured"

gen_images = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    image=image,
    num_inference_steps=30,
    adapter_conditioning_scale=0.9,
    guidance_scale=7.5, 
).images[0]
gen_images.save('out_sketch.png')

📚 ドキュメント

モデル詳細

チェックポイント

モデル名	コントロール画像概要	コントロール画像例	生成画像例
TencentARC/t2i-adapter-canny-sdxl-1.0 Cannyエッジ検出で学習	黒い背景に白いエッジがあるモノクロ画像。
TencentARC/t2i-adapter-sketch-sdxl-1.0 PidiNetエッジ検出で学習	黒い背景に白い輪郭がある手書きのモノクロ画像。
TencentARC/t2i-adapter-lineart-sdxl-1.0 ラインアートエッジ検出で学習	黒い背景に白い輪郭がある手書きのモノクロ画像。
TencentARC/t2i-adapter-depth-midas-sdxl-1.0 Midas深度推定で学習	黒が深い領域、白が浅い領域を表すグレースケール画像。
TencentARC/t2i-adapter-depth-zoe-sdxl-1.0 Zoe深度推定で学習	黒が深い領域、白が浅い領域を表すグレースケール画像。
TencentARC/t2i-adapter-openpose-sdxl-1.0 OpenPose骨格画像で学習	OpenPose骨格画像。

デモ

Doodly Spaceで、自分の手書きスケッチ/ドゥードルを使ってモデルを試してみてください！

トレーニング

トレーニングスクリプトは、ここで提供している公式トレーニングスクリプトをベースに構築されています。

このモデルは、LAION-Aesthetics V2の300万の高解像度画像とテキストのペアでトレーニングされています。

• トレーニングステップ: 20000
• バッチサイズ: データ並列、単一GPUのバッチサイズは16、合計バッチサイズは256。
• 学習率: 固定学習率1e-5。
• 混合精度: fp16

📄 ライセンス

このモデルはApache 2.0ライセンスの下で提供されています。