Instructcv

🚀 InstructCV：指令調優的文本到圖像擴散模型，成為視覺多面手

InstructCV 是一種經過指令調優的文本到圖像擴散模型，可作為視覺通用模型，在圖像到圖像等任務中表現出色，利用相關數據集進行訓練，具有廣泛的應用前景。

🚀 快速開始

要使用 InstructCV，目前需要使用 main 版本安裝 diffusers。該管道將在下一版本中正式可用。

📦 安裝指南

pip install diffusers accelerate safetensors transformers

💻 使用示例

基礎用法

import PIL
import requests
import torch
from diffusers import StableDiffusionInstructPix2PixPipeline, EulerAncestralDiscreteScheduler

model_id = "yulu2/InstructCV"
pipe = StableDiffusionInstructPix2PixPipeline.from_pretrained(model_id, torch_dtype=torch.float16, safety_checker=None, variant="ema")
pipe.to("cuda")
pipe.scheduler = EulerAncestralDiscreteScheduler.from_config(pipe.scheduler.config)

url = "put your url here"

def download_image(url):
    image = PIL.Image.open(requests.get(url, stream=True).raw)
    image = PIL.ImageOps.exif_transpose(image)
    image = image.convert("RGB")
    return image

image         = download_image(URL)
seed          = random.randint(0, 100000)
generator     = torch.manual_seed(seed)
width, height = image.size
factor        = 512 / max(width, height)
factor        = math.ceil(min(width, height) * factor / 64) * 64 / min(width, height)
width         = int((width * factor) // 64) * 64
height        = int((height * factor) // 64) * 64
image         = ImageOps.fit(image, (width, height), method=Image.Resampling.LANCZOS)

prompt        = "Detect the person."
images        = pipe(prompt, image=image, num_inference_steps=100, generator=generator).images[0]
images[0]

📄 許可證

本項目採用 MIT 許可證。

相關鏈接

• GitHub: https://github.com/AlaaLab/InstructCV
• 項目圖片

數據集

本項目使用了 yulu2/InstructCV-Demo-Data 數據集。