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の共同プロジェクトです。

🚀 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

• 追加の条件付け：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可能にします。
• 複数のチェックポイント：異なるタイプの条件付け（キャニーエッジ、スケッチ、ラインアートなど）に対応する複数のチェックポイントが提供されます。

📦 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

以下は、Canny Adapterを使用した簡単な例です。

• 依存関係のインポート

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")

• コントロール画像の準備

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
)

• 画像生成

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

@misc{
    title={T2I-Adapter: Learning Adapters to Dig out More Controllable Ability for Text-to-Image Diffusion Models}, 
    author={Chong Mou, Xintao Wang, Liangbin Xie, Yanze Wu, Jian Zhang, Zhongang Qi, Ying Shan, Xiaohu Qie},
    year={2023},
    eprint={2302.08453},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
  }

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描きのモノクロ画像
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描きのモノクロ画像
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、自分の手描きのスケッチやドゥードルを使ってモデルを試してみてください！

学習

学習スクリプトは、こちらで提供している公式学習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300万件の高解像度画像テキストペアで学習されています。

• 学習ステップ: 20000
• バッチサイズ: データ並列で、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: 一定の学習率1e-5。
• 混合精度: fp16

🔧 技術詳細

• 学習スクリプトは、公式の学習スクリプトをベースに構築されています。
• モデルは、LAION-Aesthetics V2の300万件の高解像度画像テキストペアで学習されています。
• 学習パラメータには、学習ステップ、バッチサイズ、学習率、混合精度などが含まれます。

📄 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。