Control V11p Sd15 Canny

🚀 Controlnet - v1.1 - Canny版本

Controlnet v1.1是一款強大的圖像生成控制模型，它通過添加額外條件來控制擴散模型，能與Stable Diffusion結合，實現如邊緣圖、分割圖等條件輸入，為圖像生成帶來更多可能性。

🚀 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，可與Stable Diffusion（如runwayml/stable-diffusion-v1-5）結合使用。

更多詳情請查看🧨 Diffusers文檔。

ControlNet是一種神經網絡結構，通過添加額外條件來控制擴散模型。

此檢查點對應基於Canny邊緣的ControlNet。

✨ 主要特性

• 靈活控制：能控制預訓練的大型擴散模型，支持額外輸入條件，如邊緣圖、分割圖、關鍵點等。
• 高效訓練：學習特定任務條件時端到端，即使訓練數據集小（< 50k）也很穩健，訓練速度快，可在個人設備上進行。
• 可擴展性強：若有強大計算集群，可處理大量（數百萬到數十億）數據。

📦 安裝指南

若要處理圖像以創建輔助條件，需要安裝以下外部依賴：

1. 安裝opencv：

$ pip install opencv-contrib-python

2. 安裝diffusers及相關包：

$ pip install diffusers transformers accelerate

💻 使用示例

基礎用法

import torch
import os
from huggingface_hub import HfApi
from pathlib import Path
from diffusers.utils import load_image
import numpy as np
import cv2
from PIL import Image

from diffusers import (
    ControlNetModel,
    StableDiffusionControlNetPipeline,
    UniPCMultistepScheduler,
)

checkpoint = "lllyasviel/control_v11p_sd15_canny"

image = load_image(
    "https://huggingface.co/lllyasviel/control_v11p_sd15_canny/resolve/main/images/input.png"
)

image = np.array(image)

low_threshold = 100
high_threshold = 200

image = cv2.Canny(image, low_threshold, high_threshold)
image = image[:, :, None]
image = np.concatenate([image, image, image], axis=2)
control_image = Image.fromarray(image)

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(33)
image = pipe("a blue paradise bird in the jungle", num_inference_steps=20, generator=generator, image=control_image).images[0]

image.save('images/image_out.png')

高級用法

建議將此檢查點與Stable Diffusion v1-5配合使用，因為該檢查點是基於此訓練的。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）結合使用。

📚 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。

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，以支持額外輸入條件。ControlNet以端到端的方式學習特定任務條件，即使訓練數據集小（< 50k），學習過程也很穩健。此外，訓練ControlNet的速度與微調擴散模型相當，且可在個人設備上進行訓練。或者，若有強大的計算集群，模型可處理大量（數百萬到數十億）數據。我們發現，像Stable Diffusion這樣的大型擴散模型可以與ControlNets結合，實現如邊緣圖、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，並進一步推動相關應用的發展。

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	使用Canny邊緣檢測訓練	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訓練	無條件。
lllyasviel/control_v11p_sd15_inpaint	使用圖像修復訓練	無條件。
lllyasviel/control_v11p_sd15_mlsd	使用多級線段檢測訓練	帶有註釋線段的圖像。
lllyasviel/control_v11f1p_sd15_depth	使用深度估計訓練	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	使用圖像打亂訓練	帶有打亂補丁或區域的圖像。
lllyasviel/control_v11f1e_sd15_tile	使用圖像平鋪訓練	模糊圖像或圖像的一部分。

Canny 1.1的改進

• 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了數千次，導致之前的模型有些容易生成灰度人體圖像；（2）一些圖像質量低、非常模糊或有明顯的JPEG偽影；（3）一小部分圖像由於數據處理腳本的錯誤而存在錯誤的配對提示。新模型解決了訓練數據集的所有問題，在很多情況下應該更加合理。
• 強大訓練資源：由於Canny模型是最重要（可能是最常用）的ControlNet之一，我們投入資金在一臺配備8個Nvidia A100 80G的機器上以批量大小8×32 = 256訓練了3天，花費了72×30 = 2160美元（8個A100 80G，每小時30美元）。該模型是在Canny 1.0的基礎上繼續訓練的。
• 數據增強：在訓練中應用了一些合理的數據增強方法，如隨機左右翻轉。
• 性能提升：雖然很難評估一個ControlNet，但我們發現Canny 1.1比Canny 1.0更穩健，視覺質量也略高。

更多信息

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CreativeML OpenRAIL M許可證。