Control V11p Sd15 Canny

🚀 Controlnet - v1.1 - Canny 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で公開されました。

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、Cannyエッジを条件としたControlNetに対応しています。

🚀 クイックスタート

このモデルを使用するには、以下の手順に従ってください。まず、必要な外部依存関係をインストールし、その後サンプルコードを実行します。

依存関係のインストール

1. opencvをインストールします。

$ pip install opencv-contrib-python

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

サンプルコードの実行

import torch
import os
from huggingface_hub import HfApi
from pathlib import Path
from diffusers.utils import load_image
import numpy as np
import cv2
from PIL import Image

from diffusers import (
    ControlNetModel,
    StableDiffusionControlNetPipeline,
    UniPCMultistepScheduler,
)

checkpoint = "lllyasviel/control_v11p_sd15_canny"

image = load_image(
    "https://huggingface.co/lllyasviel/control_v11p_sd15_canny/resolve/main/images/input.png"
)

image = np.array(image)

low_threshold = 100
high_threshold = 200

image = cv2.Canny(image, low_threshold, high_threshold)
image = image[:, :, None]
image = np.concatenate([image, image, image], axis=2)
control_image = Image.fromarray(image)

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(33)
image = pipe("a blue paradise bird in the jungle", num_inference_steps=20, generator=generator, image=control_image).images[0]

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

実行結果の確認

✨ 主な機能

ControlNet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す。このモデルは、特定のタスク条件をエンドツーエンドで学習し、訓練データセットが小さい場合でもロバストに学習することができます。また、ControlNetの訓練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訓練することができます。

📦 インストール

このチェックポイントを使用するには、以下の依存関係をインストールする必要があります。

1. opencvのインストール

$ pip install opencv-contrib-python

2. diffusersと関連パッケージのインストール

$ pip install diffusers transformers accelerate

💻 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と一緒に使用することを推奨します。

import torch
import os
from huggingface_hub import HfApi
from pathlib import Path
from diffusers.utils import load_image
import numpy as np
import cv2
from PIL import Image

from diffusers import (
    ControlNetModel,
    StableDiffusionControlNetPipeline,
    UniPCMultistepScheduler,
)

checkpoint = "lllyasviel/control_v11p_sd15_canny"

image = load_image(
    "https://huggingface.co/lllyasviel/control_v11p_sd15_canny/resolve/main/images/input.png"
)

image = np.array(image)

low_threshold = 100
high_threshold = 200

image = cv2.Canny(image, low_threshold, high_threshold)
image = image[:, :, None]
image = np.concatenate([image, image, image], axis=2)
control_image = Image.fromarray(image)

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(33)
image = pipe("a blue paradise bird in the jungle", num_inference_steps=20, generator=generator, image=control_image).images[0]

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

高度な使用法

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一緒に使用することもできます。

📚 ドキュメント

モデルの詳細

モデルの紹介

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。

論文の概要は以下の通りです。 私たちは、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、特定のタスク条件をエンドツーエンドで学習し、訓練データセットが小さい場合(< 50k)でもロバストに学習することができます。また、ControlNetの訓練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訓練することができます。あるいは、強力な計算クラスターが利用可能な場合、モデルは大量のデータ(数百万から数十億)にスケールすることができます。Stable Diffusionのような大規模拡散モデルは、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サポートすることができます。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。

他の公開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訓練された14種類の異なるチェックポイントを公開しています。

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	Cannyエッジ検出で訓練された	黒い背景に白いエッジがあるモノクロ画像。
lllyasviel/control_v11e_sd15_ip2p	ピクセルからピクセルへの指示で訓練された	条件なし。
lllyasviel/control_v11p_sd15_inpaint	画像のインペイントで訓練された	条件なし。
lllyasviel/control_v11p_sd15_mlsd	多レベルの線分検出で訓練された	注釈付きの線分がある画像。
lllyasviel/control_v11f1p_sd15_depth	深度推定で訓練された	深度情報がある画像。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	表面法線推定で訓練された	表面法線情報がある画像。通常は色分けされた画像として表されます。
lllyasviel/control_v11p_sd15_seg	画像のセグメンテーションで訓練された	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として表されます。
lllyasviel/control_v11p_sd15_lineart	ラインアート生成で訓練された	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	アニメスタイルのラインアート生成で訓練された	アニメスタイルのラインアートがある画像。
lllyasviel/control_v11p_sd15_openpose	人間のポーズ推定で訓練された	人間のポーズがある画像。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訓練された	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です。
lllyasviel/control_v11p_sd15_softedge	ソフトエッジ画像生成で訓練された	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に使用されます。
lllyasviel/control_v11e_sd15_shuffle	画像のシャッフルで訓練された	パッチまたは領域がシャッフルされた画像。
lllyasviel/control_v11f1e_sd15_tile	画像のタイリングで訓練された	ぼやけた画像または画像の一部。

🔧 技術詳細

ControlNet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す。このモデルは、特定のタスク条件をエンドツーエンドで学習し、訓練データセットが小さい場合でもロバストに学習することができます。また、ControlNetの訓練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訓練することができます。

📄 ライセンス

このモデルは、The CreativeML OpenRAIL M licenseの下で公開されています。

⚠️ 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。

💡 使用建议

このチェックポイントは、Stable Diffusion v1-5と一緒に使用することを推奨します。