Control V11p Sd15 Inpaint

🚀 Controlnet - v1.1 - 圖像修復版本

Controlnet v1.1 是一種強大的神經網絡結構，可通過添加額外條件來控制擴散模型。此版本的圖像修復版本能與 Stable Diffusion 結合使用，為圖像生成提供更多的控制和靈活性。

🚀 快速開始

安裝依賴

$ pip install diffusers transformers accelerate

運行示例代碼

# !pip install transformers accelerate
from diffusers import StableDiffusionControlNetInpaintPipeline, ControlNetModel
from diffusers.utils import load_image
import numpy as np
import torch

init_image = load_image(
    "https://huggingface.co/datasets/diffusers/test-arrays/resolve/main/stable_diffusion_inpaint/boy.png"
)
init_image = init_image.resize((512, 512))

generator = torch.Generator(device="cpu").manual_seed(1)

mask_image = load_image(
    "https://huggingface.co/datasets/diffusers/test-arrays/resolve/main/stable_diffusion_inpaint/boy_mask.png"
)
mask_image = mask_image.resize((512, 512))


def make_inpaint_condition(image, image_mask):
    image = np.array(image.convert("RGB")).astype(np.float32) / 255.0
    image_mask = np.array(image_mask.convert("L")).astype(np.float32) / 255.0

    assert image.shape[0:1] == image_mask.shape[0:1], "image and image_mask must have the same image size"
    image[image_mask > 0.5] = -1.0  # set as masked pixel
    image = np.expand_dims(image, 0).transpose(0, 3, 1, 2)
    image = torch.from_numpy(image)
    return image


control_image = make_inpaint_condition(init_image, mask_image)

controlnet = ControlNetModel.from_pretrained(
    "lllyasviel/control_v11p_sd15_inpaint", torch_dtype=torch.float16
)
pipe = StableDiffusionControlNetInpaintPipeline.from_pretrained(
    "runwayml/stable-diffusion-v1-5", controlnet=controlnet, torch_dtype=torch.float16
)

pipe.scheduler = DDIMScheduler.from_config(pipe.scheduler.config)
pipe.enable_model_cpu_offload()

# generate image
image = pipe(
    "a handsome man with ray-ban sunglasses",
    num_inference_steps=20,
    generator=generator,
    eta=1.0,
    image=init_image,
    mask_image=mask_image,
    control_image=control_image,
).images[0]

示例圖片

✨ 主要特性

• 額外條件控制：ControlNet 是一種神經網絡結構，可通過添加額外條件來控制擴散模型。
• 圖像修復功能：此檢查點對應於基於圖像修復的 ControlNet，可用於圖像修復任務。
• 與 Stable Diffusion 結合：可與 Stable Diffusion 結合使用，如 runwayml/stable-diffusion-v1-5。

📦 安裝指南

$ pip install diffusers transformers accelerate

💻 使用示例

基礎用法

# 上述快速開始中的代碼即為基礎用法示例

📚 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。

論文摘要如下： 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的輸入條件。ControlNet 以端到端的方式學習特定任務的條件，即使訓練數據集較小（< 50k），學習過程也很穩健。此外，訓練一個 ControlNet 與微調一個擴散模型一樣快，並且該模型可以在個人設備上進行訓練。或者，如果有強大的計算集群，該模型可以擴展到大量（數百萬到數十億）的數據。我們報告稱，像 Stable Diffusion 這樣的大型擴散模型可以通過 ControlNets 進行增強，以實現諸如邊緣圖、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，並進一步促進相關應用。

其他發佈的檢查點 v1-1

作者發佈了 14 個不同的檢查點，每個檢查點都在 Stable Diffusion v1-5 上針對不同類型的條件進行了訓練：

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 邊緣檢測進行訓練	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進行訓練	無條件。
lllyasviel/control_v11p_sd15_inpaint	使用圖像修復進行訓練	無條件。
lllyasviel/control_v11p_sd15_mlsd	使用多級線段檢測進行訓練	帶有註釋線段的圖像。
lllyasviel/control_v11f1p_sd15_depth	使用深度估計進行訓練	帶有深度信息的圖像，通常表示為灰度圖像。
lllyasviel/control_v11p_sd15_normalbae	使用表面法線估計進行訓練	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	使用圖像分割進行訓練	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	使用線稿生成進行訓練	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	使用動漫線稿生成進行訓練	帶有動漫風格線稿的圖像。
lllyasviel/control_v11p_sd15_openpose	使用人體姿態估計進行訓練	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進行訓練	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進行訓練	帶有軟邊緣的圖像，通常用於創建更具繪畫感或藝術效果。
lllyasviel/control_v11e_sd15_shuffle	使用圖像打亂進行訓練	帶有打亂的補丁或區域的圖像。
lllyasviel/control_v11f1e_sd15_tile	使用圖像平鋪進行訓練	模糊圖像或圖像的一部分。

更多信息

如需更多信息，請查看 Diffusers ControlNet 博客文章 和 官方文檔。

🔧 技術細節

ControlNet 以端到端的方式學習特定任務的條件，即使訓練數據集較小（< 50k），學習過程也很穩健。此外，訓練一個 ControlNet 與微調一個擴散模型一樣快，並且該模型可以在個人設備上進行訓練。或者，如果有強大的計算集群，該模型可以擴展到大量（數百萬到數十億）的數據。

📄 許可證

本模型使用 The CreativeML OpenRAIL M license，這是一種 Open RAIL M license，改編自 BigScience 和 the RAIL Initiative 在負責任的 AI 許可領域的聯合工作。另見 關於 BLOOM Open RAIL 許可證的文章，本許可證基於此。

引用格式

@misc{zhang2023adding,
    title={Adding Conditional Control to Text-to-Image Diffusion Models}, 
    author={Lvmin Zhang and Maneesh Agrawala},
    year={2023},
    eprint={2302.05543},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}