Control V11p Sd15 Inpaint

🚀 Controlnet - v1.1 - InPaint版本

Controlnet v1.1是一個用於控制擴散模型的神經網絡結構，通過添加額外條件來增強圖像生成的可控性。它可以與Stable Diffusion等模型結合使用，為圖像生成任務提供更多的靈活性和創造性。

🚀 快速開始

安裝依賴

首先，我們需要安裝diffusers及相關的依賴包：

$ pip install diffusers transformers accelerate

運行示例代碼

以下是一個使用該模型的示例代碼：

# !pip install transformers accelerate
from diffusers import StableDiffusionControlNetInpaintPipeline, ControlNetModel
from diffusers.utils import load_image
import numpy as np
import torch

init_image = load_image(
    "https://huggingface.co/datasets/diffusers/test-arrays/resolve/main/stable_diffusion_inpaint/boy.png"
)
init_image = init_image.resize((512, 512))

generator = torch.Generator(device="cpu").manual_seed(1)

mask_image = load_image(
    "https://huggingface.co/datasets/diffusers/test-arrays/resolve/main/stable_diffusion_inpaint/boy_mask.png"
)
mask_image = mask_image.resize((512, 512))


def make_inpaint_condition(image, image_mask):
    image = np.array(image.convert("RGB")).astype(np.float32) / 255.0
    image_mask = np.array(image_mask.convert("L")).astype(np.float32) / 255.0

    assert image.shape[0:1] == image_mask.shape[0:1], "image and image_mask must have the same image size"
    image[image_mask > 0.5] = -1.0  # set as masked pixel
    image = np.expand_dims(image, 0).transpose(0, 3, 1, 2)
    image = torch.from_numpy(image)
    return image


control_image = make_inpaint_condition(init_image, mask_image)

controlnet = ControlNetModel.from_pretrained(
    "lllyasviel/control_v11p_sd15_inpaint", torch_dtype=torch.float16
)
pipe = StableDiffusionControlNetInpaintPipeline.from_pretrained(
    "runwayml/stable-diffusion-v1-5", controlnet=controlnet, torch_dtype=torch.float16
)

pipe.scheduler = DDIMScheduler.from_config(pipe.scheduler.config)
pipe.enable_model_cpu_offload()

# generate image
image = pipe(
    "a handsome man with ray-ban sunglasses",
    num_inference_steps=20,
    generator=generator,
    eta=1.0,
    image=init_image,
    mask_image=mask_image,
    control_image=control_image,
).images[0]

示例圖片

✨ 主要特性

• 可控性強：通過添加額外條件，如邊緣圖、分割圖、關鍵點等，實現對圖像生成過程的精細控制。
• 訓練高效：訓練速度快，可在個人設備上進行訓練，也可擴展到大規模數據集。
• 兼容性好：可以與Stable Diffusion等主流擴散模型結合使用。

📦 安裝指南

安裝diffusers及相關依賴包：

$ pip install diffusers transformers accelerate

💻 使用示例

基礎用法

推薦將該檢查點與Stable Diffusion v1-5一起使用，因為該檢查點是在其上進行訓練的。實驗表明，該檢查點也可以與其他擴散模型（如dreamboothed stable diffusion）一起使用。

高級用法

可以根據具體需求調整代碼中的參數，如num_inference_steps、eta等，以獲得不同的圖像生成效果。

📚 詳細文檔

模型詳情

@misc{zhang2023adding,
    title={Adding Conditional Control to Text-to-Image Diffusion Models}, 
    author={Lvmin Zhang and Maneesh Agrawala},
    year={2023},
    eprint={2302.05543},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
  }

模型介紹

Controlnet由Lvmin Zhang和Maneesh Agrawala在論文 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（< 50k），學習過程也很穩健。此外，訓練ControlNet的速度與微調擴散模型一樣快，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可用，模型可以擴展到大量（數百萬到數十億）的數據。我們報告稱，像Stable Diffusion這樣的大型擴散模型可以通過ControlNet進行增強，以支持邊緣圖、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。

其他已發佈的v1-1檢查點

作者發佈了14種不同的檢查點，每種檢查點都在Stable Diffusion v1-5上針對不同類型的條件進行了訓練：

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	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。
lllyasviel/control_v11e_sd15_ip2p	使用像素到像素指令進行訓練	無條件。
lllyasviel/control_v11p_sd15_inpaint	使用圖像修復進行訓練	無條件。
lllyasviel/control_v11p_sd15_mlsd	使用多級線段檢測進行訓練	帶有註釋線段的圖像。
lllyasviel/control_v11f1p_sd15_depth	使用深度估計進行訓練	帶有深度信息的圖像，通常表示為灰度圖像。
lllyasviel/control_v11p_sd15_normalbae	使用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	使用圖像分割進行訓練	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	使用線稿生成進行訓練	帶有線稿的圖像，通常是白色背景上的黑色線條。
lllyasviel/control_v11p_sd15s2_lineart_anime	使用動漫線稿生成進行訓練	帶有動漫風格線稿的圖像。
lllyasviel/control_v11p_sd15_openpose	使用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	使用基於塗鴉的圖像生成進行訓練	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	使用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性或藝術性的效果。
lllyasviel/control_v11e_sd15_shuffle	使用圖像打亂進行訓練	帶有打亂的補丁或區域的圖像。
lllyasviel/control_v11f1e_sd15_tile	使用圖像拼接進行訓練	模糊的圖像或圖像的一部分。

更多信息

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

📄 許可證

本項目採用 The CreativeML OpenRAIL M license。