T2i Adapter Depth Zoe Sdxl 1.0

🚀 T2I-Adapter-SDXL - Depth-Zoe

T2I-Adapter-SDXL - Depth-Zoe是一個用於文生圖擴散模型的增強組件，它能為StableDiffusion模型提供額外的深度條件控制，讓圖像生成更加精準和可控。該項目由騰訊ARC實驗室和Hugging Face合作完成，為圖像生成領域帶來了更多的可能性。

🚀 快速開始

要開始使用T2I-Adapter-SDXL - Depth-Zoe，首先需要安裝所需的依賴項：

pip install -U git+https://github.com/huggingface/diffusers.git
pip install -U controlnet_aux==0.0.7 timm==0.6.12 # for conditioning models and detectors
pip install transformers accelerate safetensors

操作步驟如下：

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。

✨ 主要特性

• 額外條件控制：T2I Adapter網絡為StableDiffusion提供額外的條件控制，每個t2i檢查點接受不同類型的條件作為輸入，並與特定的基礎StableDiffusion檢查點一起使用。
• 深度條件支持：此檢查點為StableDiffusionXL檢查點提供深度條件控制。
• 多方合作成果：由騰訊ARC和Hugging Face合作開發。

💻 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 import ZoeDetector
import torch

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

zoe_depth = ZoeDetector.from_pretrained(
    "valhalla/t2iadapter-aux-models", filename="zoed_nk.pth", model_type="zoedepth_nk"
).to("cuda")

高級用法

# 條件圖像
url = "https://huggingface.co/Adapter/t2iadapter/resolve/main/figs_SDXLV1.0/org_zeo.jpg"
image = load_image(url)
image = zoe_depth(image, gamma_corrected=True, detect_resolution=512, image_resolution=1024)

# 圖像生成
prompt = "A photo of a orchid, 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_zoe.png')

📚 詳細文檔

模型詳情

• 開發者：T2I-Adapter: Learning Adapters to Dig out More Controllable Ability for Text-to-Image Diffusion Models
• 模型類型：基於擴散的文生圖生成模型
• 語言：英語
• 許可證：Apache 2.0
• 更多信息資源：GitHub倉庫，論文。
• 模型複雜度： | | SD-V1.4/1.5 | SD-XL | T2I-Adapter | T2I-Adapter-SDXL | | --- | --- | --- | --- | --- | | 參數 | 8.6億 | 26億 | 7700萬 | 7700萬/7900萬 |
• 引用格式：

@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。

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：25000
• 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。