T2i Adapter Depth Midas Sdxl 1.0

🚀 T2I-Adapter-SDXL - Depth-MiDaS

T2I Adapter是一個為穩定擴散模型提供額外條件控制的網絡。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配合使用。

本檢查點為StableDiffusionXL檢查點提供深度條件控制。這是騰訊ARC實驗室與 Hugging Face 合作的成果。

✨ 主要特性

• 為StableDiffusionXL模型提供深度條件控制，增強圖像生成的可控性。
• 與多種類型的控制圖像兼容，支持不同的圖像生成場景。

📦 安裝指南

要開始使用，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 # for conditioning models and detectors
pip install transformers accelerate safetensors

💻 使用示例

基礎用法

from diffusers import StableDiffusionXLAdapterPipeline, T2IAdapter, EulerAncestralDiscreteScheduler, AutoencoderKL
from diffusers.utils import load_image, make_image_grid
from controlnet_aux.midas import MidasDetector
import torch

# load adapter
adapter = T2IAdapter.from_pretrained(
  "TencentARC/t2i-adapter-depth-midas-sdxl-1.0", torch_dtype=torch.float16, varient="fp16"
).to("cuda")

# load euler_a scheduler
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()

midas_depth = MidasDetector.from_pretrained(
  "valhalla/t2iadapter-aux-models", filename="dpt_large_384.pt", model_type="dpt_large"
).to("cuda")

高級用法

# 下載圖像並轉換為控制圖像格式
url = "https://huggingface.co/Adapter/t2iadapter/resolve/main/figs_SDXLV1.0/org_mid.jpg"
image = load_image(url)
image = midas_depth(
  image, detect_resolution=512, image_resolution=1024
)

# 生成圖像
prompt = "A photo of a room, 4k photo, highly detailed"
negative_prompt = "anime, cartoon, graphic, text, painting, crayon, graphite, abstract, glitch, deformed, mutated, ugly, disfigured"

gen_images = pipe(
  prompt=prompt,
  negative_prompt=negative_prompt,
  image=image,
  num_inference_steps=30,
  adapter_conditioning_scale=1,
  guidance_scale=7.5,  
).images[0]
gen_images.save('out_mid.png')

📚 詳細文檔

模型詳情

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。

訓練信息

我們的訓練腳本基於官方提供的訓練腳本構建，可參考 此處。

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

• 訓練步數：35000
• 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

🔧 技術細節

本模型基於T2I Adapter架構，通過學習適配器來挖掘文本到圖像擴散模型更多的可控能力。它為StableDiffusionXL模型提供深度條件控制，在圖像生成過程中引入深度信息，從而實現更精細的圖像生成控制。模型的訓練過程採用了特定的訓練策略和參數設置，以確保模型能夠學習到有效的特徵表示。

📄 許可證

本模型使用Apache 2.0許可證。