Control V11p Sd15 Scribble

🚀 Controlnet - v1.1 - 塗鴉版本

Controlnet v1.1 是一款強大的圖像生成輔助模型，它能夠為 Stable Diffusion 等大模型添加額外的條件控制，讓圖像生成更加精準和多樣化，滿足藝術創作等多種場景需求。

🚀 快速開始

Controlnet v1.1 是 Controlnet v1.0 的後續模型，由 Lvmin Zhang 在 lllyasviel/ControlNet-v1-1 中發佈。

此檢查點是將 原始檢查點 轉換為 diffusers 格式後的版本，可與 Stable Diffusion 結合使用，例如 runwayml/stable-diffusion-v1-5。

更多詳細信息，請查看 🧨 Diffusers 文檔。

ControlNet 是一種神經網絡結構，可通過添加額外條件來控制擴散模型。

此檢查點對應基於 塗鴉圖像 進行條件控制的 ControlNet。

✨ 主要特性

• 支持額外輸入條件：ControlNet 可以控制預訓練的大型擴散模型，支持如邊緣圖、分割圖、關鍵點等額外輸入條件，豐富了控制大型擴散模型的方法。
• 端到端學習：能夠以端到端的方式學習特定任務的條件，即使訓練數據集較小（少於 50k），學習過程也很穩健。
• 訓練速度快：訓練 ControlNet 的速度與微調擴散模型相當，並且可以在個人設備上進行訓練。如果有強大的計算集群，模型也可以處理大量（數百萬到數十億）的數據。

📦 安裝指南

安裝外部依賴

若要處理圖像以創建輔助條件，需要安裝以下外部依賴：

$ pip install controlnet_aux==0.3.0

安裝 diffusers 及相關包

$ pip install diffusers transformers accelerate

💻 使用示例

基礎用法

建議將此檢查點與 Stable Diffusion v1-5 結合使用，因為該檢查點是基於此進行訓練的。實驗表明，此檢查點也可與其他擴散模型（如經過微調的 Stable Diffusion）一起使用。

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_scribble"

image = load_image(
    "https://huggingface.co/lllyasviel/control_v11p_sd15_scribble/resolve/main/images/input.png"
)

prompt = "royal chamber with fancy bed"

processor = HEDdetector.from_pretrained('lllyasviel/Annotators')

control_image = processor(image, scribble=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')

注意事項

⚠️ 重要提示

如果要處理圖像以創建輔助條件，需要安裝外部依賴，具體安裝步驟見安裝指南。

💡 使用建議

建議使用 Stable Diffusion v1-5 與該檢查點配合使用，因為該檢查點是基於此進行訓練的。

📚 詳細文檔

模型詳情

模型介紹

Controlnet 由 Lvmin Zhang 和 Maneesh Agrawala 在 Adding Conditional Control to Text-to-Image Diffusion Models 中提出。論文摘要如下：

我們提出了一種神經網絡結構 ControlNet，用於控制預訓練的大型擴散模型以支持額外的輸入條件。ControlNet 以端到端的方式學習特定任務的條件，即使訓練數據集較小（少於 50k），學習過程也很穩健。此外，訓練 ControlNet 的速度與微調擴散模型相當，並且可以在個人設備上進行訓練。或者，如果有強大的計算集群，模型可以處理大量（數百萬到數十億）的數據。我們發現，像 Stable Diffusion 這樣的大型擴散模型可以通過添加 ControlNet 來支持邊緣圖、分割圖、關鍵點等條件輸入，這可能會豐富控制大型擴散模型的方法，並進一步促進相關應用的發展。

其他發佈的檢查點 v1-1

作者發佈了 14 種不同的檢查點，每種都基於 Stable Diffusion v1-5 在不同類型的條件下進行訓練：

模型名稱	控制圖像概述	條件圖像	控制圖像示例	生成圖像示例
lllyasviel/control_v11p_sd15_canny	基於 Canny 邊緣檢測進行訓練	黑色背景上帶有白色邊緣的單色圖像。
lllyasviel/control_v11e_sd15_ip2p	基於像素到像素指令進行訓練	無特定條件。
lllyasviel/control_v11p_sd15_inpaint	基於圖像修復進行訓練	無特定條件。
lllyasviel/control_v11p_sd15_mlsd	基於多級線段檢測進行訓練	帶有標註線段的圖像。
lllyasviel/control_v11f1p_sd15_depth	基於深度估計進行訓練	帶有深度信息的圖像，通常表示為灰度圖像。
lllyasviel/control_v11p_sd15_normalbae	基於表面法線估計進行訓練	帶有表面法線信息的圖像，通常表示為彩色編碼圖像。
lllyasviel/control_v11p_sd15_seg	基於圖像分割進行訓練	帶有分割區域的圖像，通常表示為彩色編碼圖像。
lllyasviel/control_v11p_sd15_lineart	基於線條畫生成進行訓練	帶有線條畫的圖像，通常是白色背景上的黑色線條。
lllyasviel/control_v11p_sd15s2_lineart_anime	基於動漫線條畫生成進行訓練	帶有動漫風格線條畫的圖像。
lllyasviel/control_v11p_sd15_openpose	基於人體姿態估計進行訓練	帶有人體姿態的圖像，通常表示為一組關鍵點或骨架。
lllyasviel/control_v11p_sd15_scribble	基於塗鴉圖像生成進行訓練	帶有塗鴉的圖像，通常是隨機或用戶繪製的筆觸。
lllyasviel/control_v11p_sd15_softedge	基於軟邊緣圖像生成進行訓練	帶有軟邊緣的圖像，通常用於創建更具繪畫感或藝術效果的圖像。
lllyasviel/control_v11e_sd15_shuffle	基於圖像打亂進行訓練	帶有打亂的圖像塊或區域的圖像。
lllyasviel/control_v11f1e_sd15_tile	基於圖像拼接進行訓練	模糊的圖像或圖像的一部分。

塗鴉 1.1 版本的改進

• 訓練數據集優化：之前的 cnet 1.0 訓練數據集存在一些問題，包括（1）一小部分灰度人體圖像被重複數千次，導致之前的模型容易生成灰度人體圖像；（2）一些圖像質量較低、模糊或有明顯的 JPEG 偽影；（3）由於數據處理腳本的錯誤，一小部分圖像的提示信息配對錯誤。新模型解決了訓練數據集的所有問題，在許多情況下表現更合理。
• 對厚塗鴉的支持：考慮到用戶有時喜歡繪製非常粗的塗鴉，我們使用了更激進的隨機形態變換來合成塗鴉。即使塗鴉相對較粗（訓練數據在 512 畫布上的最大寬度為 24 像素寬的塗鴉，但對於稍寬的塗鴉似乎也能正常工作；最小寬度為 1 像素），該模型也能正常工作。
• 持續訓練：在塗鴉 1.0 的基礎上，繼續使用 A100 80G GPU 進行了 200 小時的訓練。

📄 許可證

本模型使用 OpenRAIL 許可證。

更多信息

如需更多信息，請查看 Diffusers ControlNet 博客文章 和 官方文檔。