Instructcv

🚀 InstructCV: 命令調整型テキストから画像への拡散モデルによるビジョン汎用モデル

InstructCVは、命令調整型のテキストから画像への拡散モデルで、様々なビジョンタスクを汎用的に扱うことができます。

GitHub: https://github.com/AlaaLab/InstructCV

🚀 クイックスタート

InstructCV を使用するには、現時点では main を使用して diffusers をインストールします。このパイプラインは次回のリリースで利用可能になります。

pip install diffusers accelerate safetensors transformers

💻 使用例

基本的な使用法

import PIL
import requests
import torch
from diffusers import StableDiffusionInstructPix2PixPipeline, EulerAncestralDiscreteScheduler

model_id = "yulu2/InstructCV"
pipe = StableDiffusionInstructPix2PixPipeline.from_pretrained(model_id, torch_dtype=torch.float16, safety_checker=None, variant="ema")
pipe.to("cuda")
pipe.scheduler = EulerAncestralDiscreteScheduler.from_config(pipe.scheduler.config)

url = "put your url here"

def download_image(url):
    image = PIL.Image.open(requests.get(url, stream=True).raw)
    image = PIL.ImageOps.exif_transpose(image)
    image = image.convert("RGB")
    return image

image         = download_image(URL)
seed          = random.randint(0, 100000)
generator     = torch.manual_seed(seed)
width, height = image.size
factor        = 512 / max(width, height)
factor        = math.ceil(min(width, height) * factor / 64) * 64 / min(width, height)
width         = int((width * factor) // 64) * 64
height        = int((height * factor) // 64) * 64
image         = ImageOps.fit(image, (width, height), method=Image.Resampling.LANCZOS)

prompt        = "Detect the person."
images        = pipe(prompt, image=image, num_inference_steps=100, generator=generator).images[0]
images[0]

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています。