T2i Adapter Sketch Sdxl 1.0

🚀 T2I-Adapter-SDXL - Sketch

T2I Adapter是一個為穩定擴散模型提供額外條件的網絡。每個T2I檢查點接收不同類型的條件作為輸入，並與特定的基礎穩定擴散檢查點一起使用。

此檢查點為StableDiffusionXL檢查點提供草圖條件。這是騰訊ARC和Hugging Face的合作成果。

📚 詳細文檔

模型詳情

• 開發者：T2I-Adapter: Learning Adapters to Dig out More Controllable Ability for Text-to-Image Diffusion Models

• 模型類型：基於擴散的文本到圖像生成模型

• 語言：英語

• 許可證：Apache 2.0

• 更多信息資源：GitHub倉庫，論文。

• 模型複雜度： | | SD-V1.4/1.5 | SD-XL | T2I-Adapter | T2I-Adapter-SDXL | | --- | --- | --- | --- | --- | | 參數 | 8.6億 | 26億 | 7700萬 | 7700萬/7900萬 |

• 引用方式：

@misc{
    title={T2I-Adapter: Learning Adapters to Dig out More Controllable Ability for Text-to-Image Diffusion Models}, 
    author={Chong Mou, Xintao Wang, Liangbin Xie, Yanze Wu, Jian Zhang, Zhongang Qi, Ying Shan, Xiaohu Qie},
    year={2023},
    eprint={2302.08453},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}

檢查點

模型名稱	控制圖像概述	控制圖像示例	生成圖像示例
TencentARC/t2i-adapter-canny-sdxl-1.0 使用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。
TencentARC/t2i-adapter-sketch-sdxl-1.0 使用PidiNet邊緣檢測進行訓練	黑色背景上帶有白色輪廓的手繪單色圖像。
TencentARC/t2i-adapter-lineart-sdxl-1.0 使用線稿邊緣檢測進行訓練	黑色背景上帶有白色輪廓的手繪單色圖像。
TencentARC/t2i-adapter-depth-midas-sdxl-1.0 使用Midas深度估計進行訓練	黑色代表深區域，白色代表淺區域的灰度圖像。
TencentARC/t2i-adapter-depth-zoe-sdxl-1.0 使用Zoe深度估計進行訓練	黑色代表深區域，白色代表淺區域的灰度圖像。
TencentARC/t2i-adapter-openpose-sdxl-1.0 使用OpenPose骨骼圖像進行訓練	OpenPose骨骼圖像。

演示

在Doodly Space中使用你自己的手繪草圖/塗鴉來試用該模型！

💻 使用示例

基礎用法

首先，安裝所需的依賴項：

pip install -U git+https://github.com/huggingface/diffusers.git
pip install -U controlnet_aux==0.0.7 # 用於條件模型和檢測器
pip install transformers accelerate safetensors

操作步驟如下：

1. 首先將圖像下載為合適的控制圖像格式。
2. 將控制圖像和提示詞傳遞給StableDiffusionXLAdapterPipeline。

讓我們來看一個使用Canny Adapter的簡單示例。

依賴項

from diffusers import StableDiffusionXLAdapterPipeline, T2IAdapter, EulerAncestralDiscreteScheduler, AutoencoderKL
from diffusers.utils import load_image, make_image_grid
from controlnet_aux.pidi import PidiNetDetector
import torch

# 加載適配器
adapter = T2IAdapter.from_pretrained(
  "TencentARC/t2i-adapter-sketch-sdxl-1.0", torch_dtype=torch.float16, varient="fp16"
).to("cuda")

# 加載euler_a調度器
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()

pidinet = PidiNetDetector.from_pretrained("lllyasviel/Annotators").to("cuda")

條件圖像

url = "https://huggingface.co/Adapter/t2iadapter/resolve/main/figs_SDXLV1.0/org_sketch.png"
image = load_image(url)
image = pidinet(
  image, detect_resolution=1024, image_resolution=1024, apply_filter=True
)

生成圖像

prompt = "a robot, mount fuji in the background, 4k photo, highly detailed"
negative_prompt = "extra digit, fewer digits, cropped, worst quality, low quality, glitch, deformed, mutated, ugly, disfigured"

gen_images = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    image=image,
    num_inference_steps=30,
    adapter_conditioning_scale=0.9,
    guidance_scale=7.5, 
).images[0]
gen_images.save('out_sketch.png')

訓練

我們的訓練腳本基於我們在此處提供的官方訓練腳本構建。

該模型在來自LAION-Aesthetics V2的300萬高分辨率圖像 - 文本對上進行訓練，訓練參數如下：

• 訓練步數：20000
• 批量大小：數據並行，單GPU批量大小為16，總批量大小為256。
• 學習率：恆定學習率1e-5。
• 混合精度：fp16

📄 許可證

本模型使用的許可證為Apache 2.0。