T2i Adapter Canny Sdxl 1.0

🚀 T2I-Adapter-SDXL - Canny

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檢查點以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Canny邊緣檢測條件控制。這是騰訊ARC實驗室和Hugging Face合作的成果。

🚀 快速開始

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

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。

下面來看一個使用Canny Adapter的簡單示例：

依賴安裝

from diffusers import StableDiffusionXLAdapterPipeline, T2IAdapter, EulerAncestralDiscreteScheduler, AutoencoderKL
from diffusers.utils import load_image, make_image_grid
from controlnet_aux.canny import CannyDetector
import torch

# load adapter
adapter = T2IAdapter.from_pretrained("TencentARC/t2i-adapter-canny-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()

canny_detector = CannyDetector()

條件圖像

url = "https://huggingface.co/Adapter/t2iadapter/resolve/main/figs_SDXLV1.0/org_canny.jpg"
image = load_image(url)

# Detect the canny map in low resolution to avoid high-frequency details
image = canny_detector(image, detect_resolution=384, image_resolution=1024)#.resize((1024, 1024))

圖像生成

prompt = "Mystical fairy in real, magic, 4k picture, high quality"
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,
  guidance_scale=7.5, 
  adapter_conditioning_scale=0.8, 
  adapter_conditioning_factor=1
).images[0]
gen_images.save('out_canny.png')

✨ 主要特性

T2I Adapter網絡能夠為穩定擴散模型提供額外的條件控制，不同的T2I檢查點可以接受不同類型的條件輸入，與特定的基礎穩定擴散檢查點配合，實現更豐富的圖像生成控制。

📚 詳細文檔

模型詳情

@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。

訓練

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。

該模型在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

本項目採用Apache 2.0許可證。