Control V11p Sd15 Openpose

🚀 Controlnet - v1.1 - openpose Version

Controlnet v1.1は、Controlnet v1.0の後継モデルで、Lvmin Zhangによってlllyasviel/ControlNet-v1-1でリリースされました。

このチェックポイントは、元のチェックポイントをdiffusers形式に変換したものです。Stable Diffusion、例えばrunwayml/stable-diffusion-v1-5と組み合わせて使用することができます。

詳細については、🧨 Diffusers docsも参照してください。

ControlNetは、追加の条件を付与することで拡散モデルを制御するニューラルネットワーク構造です。

このチェックポイントは、openpose画像を条件としたControlNetに対応しています。

📚 ドキュメント

モデルの詳細

概要

Controlnetは、Lvmin ZhangとManeesh AgrawalaによるAdding Conditional Control to Text-to-Image Diffusion Modelsで提案されました。

概要は以下の通りです。

我々は、事前学習された大規模拡散モデルを制御して、追加の入力条件をサポートするニューラルネットワーク構造であるControlNetを提案します。ControlNetは、タスク固有の条件をエンドツーエンドで学習し、学習データセットが小さい場合（< 50k）でも学習は堅牢です。さらに、ControlNetの学習は拡散モデルの微調整と同じくらい速く、モデルは個人用デバイスで学習することができます。あるいは、強力な計算クラスタが利用可能な場合、モデルは大量（数百万から数十億）のデータにスケールすることができます。我々は、Stable Diffusionのような大規模拡散モデルにControlNetを追加することで、エッジマップ、セグメンテーションマップ、キーポイントなどの条件付き入力を可能にできることを報告します。これにより、大規模拡散モデルを制御する方法が豊富になり、関連するアプリケーションがさらに促進される可能性があります。

💻 使用例

基本的な使用法

このチェックポイントはStable Diffusion v1-5で学習されているため、同モデルと組み合わせて使用することをお勧めします。実験的には、このチェックポイントはdreamboothed stable diffusionなどの他の拡散モデルとも使用できます。

⚠️ 重要提示

画像を処理して補助条件を作成する場合は、以下に示すように外部依存関係が必要です。

1. https://github.com/patrickvonplaten/controlnet_aux をインストールします。

$ pip install controlnet_aux==0.3.0

2. diffusersと関連パッケージをインストールします。

$ pip install diffusers transformers accelerate

3. コードを実行します。

import torch
import os
from huggingface_hub import HfApi
from pathlib import Path
from diffusers.utils import load_image
from PIL import Image
import numpy as np
from controlnet_aux import OpenposeDetector

from diffusers import (
    ControlNetModel,
    StableDiffusionControlNetPipeline,
    UniPCMultistepScheduler,
)

checkpoint = "lllyasviel/control_v11p_sd15_openpose"

image = load_image(
    "https://huggingface.co/lllyasviel/control_v11p_sd15_openpose/resolve/main/images/input.png"
)

prompt = "chef in the kitchen"

processor = OpenposeDetector.from_pretrained('lllyasviel/ControlNet')

control_image = processor(image, hand_and_face=True)
control_image.save("./images/control.png")

controlnet = ControlNetModel.from_pretrained(checkpoint, torch_dtype=torch.float16)
pipe = StableDiffusionControlNetPipeline.from_pretrained(
    "runwayml/stable-diffusion-v1-5", controlnet=controlnet, torch_dtype=torch.float16
)

pipe.scheduler = UniPCMultistepScheduler.from_config(pipe.scheduler.config)
pipe.enable_model_cpu_offload()

generator = torch.manual_seed(0)
image = pipe(prompt, num_inference_steps=30, generator=generator, image=control_image).images[0]

image.save('images/image_out.png')

🔧 技術詳細

他のリリースされたチェックポイントv1-1

著者らは、Stable Diffusion v1-5を使用して、異なるタイプの条件付きで学習された14種類の異なるチェックポイントをリリースしています。

モデル名	制御画像の概要	制御画像の例	生成画像の例
lllyasviel/control_v11p_sd15_canny 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。
lllyasviel/control_v11e_sd15_ip2p ピクセルツーピクセル命令で学習	条件なし。
lllyasviel/control_v11p_sd15_inpaint 画像インペイントで学習	条件なし。
lllyasviel/control_v11p_sd15_mlsd 多レベル線分検出で学習	注釈付きの線分がある画像。
lllyasviel/control_v11f1p_sd15_depth 深度推定で学習	深度情報を持つ画像、通常はグレースケール画像として表されます。
lllyasviel/control_v11p_sd15_normalbae 表面法線推定で学習	表面法線情報を持つ画像、通常は色分けされた画像として表されます。
lllyasviel/control_v11p_sd15_seg 画像セグメンテーションで学習	セグメント化された領域を持つ画像、通常は色分けされた画像として表されます。
lllyasviel/control_v11p_sd15_lineart ラインアート生成で学習	通常、白い背景に黒い線があるラインアート画像。
lllyasviel/control_v11p_sd15s2_lineart_anime アニメラインアート生成で学習	アニメスタイルのラインアートがある画像。
lllyasviel/control_v11p_sd15_openpose 人体姿勢推定で学習	人体の姿勢がある画像、通常はキーポイントまたはスケルトンのセットとして表されます。
lllyasviel/control_v11p_sd15_scribble スクリブルベースの画像生成で学習	スクリブルがある画像、通常はランダムまたはユーザーが描いたストローク。
lllyasviel/control_v11p_sd15_softedge ソフトエッジ画像生成で学習	ソフトエッジがある画像、通常はより絵画的または芸術的な効果を作り出すためのもの。
lllyasviel/control_v11e_sd15_shuffle 画像シャッフルで学習	パッチまたは領域がシャッフルされた画像。

Openpose 1.1の改善点

• このモデルの改善は、主にOpenPoseの改善された実装に基づいています。私たちは、pytorch OpenPoseとCMUのc++ openposeの違いを注意深く見直しました。現在、プロセッサはより正確になり、特に手に関しては精度が向上しています。プロセッサの改善により、Openpose 1.1の性能も向上しています。
• より多くの入力（手と顔）がサポートされています。
• 以前のcnet 1.0の学習データセットには、いくつかの問題がありました。

📄 ライセンス

このモデルはThe CreativeML OpenRAIL M licenseの下で提供されています。