T2i Adapter Depth Midas Sdxl 1.0

🚀 T2I-Adapter-SDXL - Depth-MiDaS

T2I Adapter是一个为稳定扩散模型提供额外条件控制的网络。每个T2I检查点接收不同类型的条件作为输入，并与特定的基础稳定扩散检查点配合使用。

本检查点为StableDiffusionXL检查点提供深度条件控制。这是腾讯ARC实验室与 Hugging Face 合作的成果。

✨ 主要特性

• 为StableDiffusionXL模型提供深度条件控制，增强图像生成的可控性。
• 与多种类型的控制图像兼容，支持不同的图像生成场景。

📦 安装指南

要开始使用，首先安装所需的依赖项：

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

💻 使用示例

基础用法

from diffusers import StableDiffusionXLAdapterPipeline, T2IAdapter, EulerAncestralDiscreteScheduler, AutoencoderKL
from diffusers.utils import load_image, make_image_grid
from controlnet_aux.midas import MidasDetector
import torch

# load adapter
adapter = T2IAdapter.from_pretrained(
  "TencentARC/t2i-adapter-depth-midas-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()

midas_depth = MidasDetector.from_pretrained(
  "valhalla/t2iadapter-aux-models", filename="dpt_large_384.pt", model_type="dpt_large"
).to("cuda")

高级用法

# 下载图像并转换为控制图像格式
url = "https://huggingface.co/Adapter/t2iadapter/resolve/main/figs_SDXLV1.0/org_mid.jpg"
image = load_image(url)
image = midas_depth(
  image, detect_resolution=512, image_resolution=1024
)

# 生成图像
prompt = "A photo of a room, 4k photo, highly detailed"
negative_prompt = "anime, cartoon, graphic, text, painting, crayon, graphite, abstract, glitch, deformed, mutated, ugly, disfigured"

gen_images = pipe(
  prompt=prompt,
  negative_prompt=negative_prompt,
  image=image,
  num_inference_steps=30,
  adapter_conditioning_scale=1,
  guidance_scale=7.5,  
).images[0]
gen_images.save('out_mid.png')

📚 详细文档

模型详情

检查点

模型名称	控制图像概述	控制图像示例	生成图像示例
TencentARC/t2i-adapter-canny-sdxl-1.0 使用Canny边缘检测进行训练	黑色背景上带有白色边缘的单色图像。
TencentARC/t2i-adapter-sketch-sdxl-1.0 使用PidiNet边缘检测进行训练	黑色背景上带有白色轮廓的手绘单色图像。
TencentARC/t2i-adapter-lineart-sdxl-1.0 使用线稿边缘检测进行训练	黑色背景上带有白色轮廓的手绘单色图像。
TencentARC/t2i-adapter-depth-midas-sdxl-1.0 使用Midas深度估计进行训练	黑色代表深区域，白色代表浅区域的灰度图像。
TencentARC/t2i-adapter-depth-zoe-sdxl-1.0 使用Zoe深度估计进行训练	黑色代表深区域，白色代表浅区域的灰度图像。
TencentARC/t2i-adapter-openpose-sdxl-1.0 使用OpenPose骨骼图像进行训练	OpenPose骨骼图像。

训练信息

我们的训练脚本基于官方提供的训练脚本构建，可参考 此处。

模型在LAION-Aesthetics V2的300万高分辨率图像 - 文本对上进行训练，具体训练参数如下：

• 训练步数：35000
• 批量大小：数据并行，单GPU批量大小为 16，总批量大小为 256。
• 学习率：恒定学习率 1e-5。
• 混合精度：fp16

🔧 技术细节

本模型基于T2I Adapter架构，通过学习适配器来挖掘文本到图像扩散模型更多的可控能力。它为StableDiffusionXL模型提供深度条件控制，在图像生成过程中引入深度信息，从而实现更精细的图像生成控制。模型的训练过程采用了特定的训练策略和参数设置，以确保模型能够学习到有效的特征表示。

📄 许可证

本模型使用Apache 2.0许可证。