Controlnet Canny Sdxl 1.0

🚀 SDXL-controlnet: Canny

SDXL-controlnet: Canny是基於Canny條件，在stabilityai/stable-diffusion-xl-base-1.0上訓練得到的ControlNet權重。以下是一些示例圖片：

示例圖片

提示詞	圖片
a couple watching a romantic sunset, 4k photo
ultrarealistic shot of a furry blue bird
a woman, close up, detailed, beautiful, street photography, photorealistic, detailed, Kodak ektar 100, natural, candid shot
Cinematic, neoclassical table in the living room, cinematic, contour, lighting, highly detailed, winter, golden hour
a tornado hitting grass field, 1980's film grain. overcast, muted colors.

🚀 快速開始

安裝依賴庫

首先，你需要安裝以下庫：

pip install accelerate transformers safetensors opencv-python diffusers

運行示例代碼

安裝完成後，就可以運行以下代碼：

from diffusers import ControlNetModel, StableDiffusionXLControlNetPipeline, AutoencoderKL
from diffusers.utils import load_image
from PIL import Image
import torch
import numpy as np
import cv2

prompt = "aerial view, a futuristic research complex in a bright foggy jungle, hard lighting"
negative_prompt = 'low quality, bad quality, sketches'

image = load_image("https://huggingface.co/datasets/hf-internal-testing/diffusers-images/resolve/main/sd_controlnet/hf-logo.png")

controlnet_conditioning_scale = 0.5  # recommended for good generalization

controlnet = ControlNetModel.from_pretrained(
    "diffusers/controlnet-canny-sdxl-1.0",
    torch_dtype=torch.float16
)
vae = AutoencoderKL.from_pretrained("madebyollin/sdxl-vae-fp16-fix", torch_dtype=torch.float16)
pipe = StableDiffusionXLControlNetPipeline.from_pretrained(
    "stabilityai/stable-diffusion-xl-base-1.0",
    controlnet=controlnet,
    vae=vae,
    torch_dtype=torch.float16,
)
pipe.enable_model_cpu_offload()

image = np.array(image)
image = cv2.Canny(image, 100, 200)
image = image[:, :, None]
image = np.concatenate([image, image, image], axis=2)
image = Image.fromarray(image)

images = pipe(
    prompt, negative_prompt=negative_prompt, image=image, controlnet_conditioning_scale=controlnet_conditioning_scale,
    ).images

images[0].save(f"hug_lab.png")

更多詳細信息，請查看StableDiffusionXLControlNetPipeline的官方文檔。

🔧 技術細節

訓練腳本

我們的訓練腳本基於此處提供的官方訓練腳本構建。

訓練數據

該檢查點首先在調整為最大最小尺寸為384的laion 6a數據集上訓練20,000步，然後在調整為最大最小尺寸為1024並過濾為僅包含最小尺寸為1024的圖像的laion 6a數據集上再訓練20,000步。我們發現進一步的高分辨率微調對於圖像質量是必要的。

計算資源

使用一臺配備8張A100顯卡的機器。

批量大小

採用數據並行，單GPU批量大小為8，總批量大小為64。

超參數

恆定學習率為1e-4，按批量大小縮放後總學習率為64e-4。

混合精度

採用fp16。

📄 許可證

本項目採用OpenRail++許可證。

信息表格