Control V11p Sd15 Softedge

🚀 Controlnet - v1.1 - Soft Edge 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、追加の条件を加え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、Soft edges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

導入

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。

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ために、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）でもロバストな学習が可能です。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、個人のデバイスでも学習できます。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）のデータにスケーリングできます。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すすめします。実験的に、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。

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 PidiNetDetector, HEDdetector

from diffusers import (
    ControlNetModel,
    StableDiffusionControlNetPipeline,
    UniPCMultistepScheduler,
)

checkpoint = "lllyasviel/control_v11p_sd15_softedge"

image = load_image(
    "https://huggingface.co/lllyasviel/control_v11p_sd15_softedge/resolve/main/images/input.png"
)

prompt = "royal chamber with fancy bed"

processor = HEDdetector.from_pretrained('lllyasviel/Annotators')
processor = PidiNetDetector.from_pretrained('lllyasviel/Annotators')
control_image = processor(image, safe=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')

高度な使用法

# 補助条件を作成するために画像を処理する場合、以下の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

その他のv1-1チェックポイント

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	条件画像	制御画像の例	生成画像の例
lllyasviel/control_v11p_sd15_canny	キャニーエッジ検出で学習	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の指示で学習	条件なし。
lllyasviel/control_v11p_sd15_inpaint	画像の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	深度情報がある画像、通常はグレースケール画像で表されます。
lllyasviel/control_v11p_sd15_normalbae	表面法線推定で学習	表面法線情報がある画像、通常は色分けされた画像で表されます。
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がある画像、通常は色分けされた画像で表されます。
lllyasviel/control_v11p_sd15_lineart	ラインアート生成で学習	通常は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	通常はランダムまたはユーザーが描いたストロークがあるスクリブル画像。
lllyasviel/control_v11p_sd15_softedge	ソフトエッジ画像生成で学習	通常はより絵画的またはアート的な効果を作り出すためのソフトエッジがある画像。
lllyasviel/control_v11e_sd15_shuffle	画像シャッフルで学習	シャッフルされたパッチまたは領域がある画像。
lllyasviel/control_v11f1e_sd15_tile	画像タイリングで学習	ぼやけた画像または画像の一部。	<img width="64" style="margin:0;padding:0;" src="https://huggingface.co/lllyasvi

📄 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。