Control V11p Sd15 Canny

🚀 Controlnet - v1.1 - Canny版本

Controlnet v1.1是一款基於條件控制的圖像生成模型，它能夠讓Stable Diffusion等擴散模型支持額外的輸入條件，如邊緣圖、分割圖等，極大地豐富了圖像生成的可控性。

🚀 快速開始

Controlnet v1.1是Controlnet v1.0的後續模型，由Lvmin Zhang發佈於lllyasviel/ControlNet-v1-1。

此檢查點是將原始檢查點轉換為diffusers格式後的版本，可與Stable Diffusion結合使用，例如runwayml/stable-diffusion-v1-5。

更多詳細信息，請查看🧨 Diffusers文檔。

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。

此檢查點對應於基於Canny邊緣進行條件控制的ControlNet。

✨ 主要特性

• 支持額外輸入條件：ControlNet可以控制預訓練的大型擴散模型，支持邊緣圖、分割圖、關鍵點等額外輸入條件。
• 端到端學習：ControlNet能夠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。
• 訓練速度快：訓練ControlNet的速度與微調擴散模型相當，甚至可以在個人設備上進行訓練。
• 可擴展性強：如果有強大的計算集群，模型可以擴展到處理大量（數百萬到數十億）的數據。

📦 安裝指南

若要處理圖像以創建輔助條件，需要安裝以下外部依賴：

1. 安裝opencv：

$ pip install opencv-contrib-python

2. 安裝diffusers及相關包：

$ pip install diffusers transformers accelerate

💻 使用示例

基礎用法

建議將此檢查點與Stable Diffusion v1-5配合使用，因為該檢查點是基於此模型進行訓練的。實驗表明，該檢查點也可與其他擴散模型（如經過微調的Stable Diffusion）配合使用。

import torch
import os
from huggingface_hub import HfApi
from pathlib import Path
from diffusers.utils import load_image
import numpy as np
import cv2
from PIL import Image

from diffusers import (
    ControlNetModel,
    StableDiffusionControlNetPipeline,
    UniPCMultistepScheduler,
)

checkpoint = "lllyasviel/control_v11p_sd15_canny"

image = load_image(
    "https://huggingface.co/lllyasviel/control_v11p_sd15_canny/resolve/main/images/input.png"
)

image = np.array(image)

low_threshold = 100
high_threshold = 200

image = cv2.Canny(image, low_threshold, high_threshold)
image = image[:, :, None]
image = np.concatenate([image, image, image], axis=2)
control_image = Image.fromarray(image)

control_image.save("./images/control.png")

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

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

generator = torch.manual_seed(33)
image = pipe("a blue paradise bird in the jungle", num_inference_steps=20, generator=generator, image=control_image).images[0]

image.save('images/image_out.png')

📚 詳細文檔

模型詳情

模型介紹

Controlnet由Lvmin Zhang和Maneesh Agrawala在論文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能夠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ControlNet的速度與微調擴散模型相當，甚至可以在個人設備上進行訓練。或者，如果有強大的計算集群，模型可以擴展到處理大量（數百萬到數十億）的數據。我們發現，像Stable Diffusion這樣的大型擴散模型可以與ControlNet結合使用，以支持邊緣圖、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的發展。

其他已發佈的v1-1檢查點

作者發佈了14種不同的檢查點，每種檢查點都基於Stable Diffusion v1-5在不同類型的條件下進行訓練：

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	基於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	基於像素到像素指令進行訓練	無條件。
lllyasviel/control_v11p_sd15_inpaint	基於圖像修復進行訓練	無條件。
lllyasviel/control_v11p_sd15_mlsd	基於多級線段檢測進行訓練	帶有註釋線段的圖像。
lllyasviel/control_v11f1p_sd15_depth	基於深度估計進行訓練	帶有深度信息的圖像，通常表示為灰度圖像。
lllyasviel/control_v11p_sd15_normalbae	基於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	基於圖像分割進行訓練	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	基於線稿生成進行訓練	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	基於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	基於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	基於塗鴉式圖像生成進行訓練	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	基於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感的效果。
lllyasviel/control_v11e_sd15_shuffle	基於圖像打亂進行訓練	帶有打亂補丁或區域的圖像。
lllyasviel/control_v11f1e_sd15_tile	基於圖像拼接進行訓練	模糊圖像或圖像的一部分。

Canny 1.1的改進

• 訓練數據集優化：之前的cnet 1.0訓練數據集存在一些問題，如少量灰度人體圖像被重複數千次，導致模型容易生成灰度人體圖像；部分圖像質量低、模糊或有明顯的JPEG偽影；少量圖像因數據處理腳本錯誤導致提示配對錯誤。新模型解決了這些問題，在許多情況下表現更合理。
• 強化訓練：由於Canny模型是最重要（可能也是最常用）的ControlNet之一，作者投入資金在一臺配備8塊Nvidia A100 80G顯卡的機器上進行訓練，批次大小為8×32 = 256，訓練時長為3天，花費72×30 = 2160美元（8塊A100 80G顯卡，每小時30美元）。該模型在Canny 1.0的基礎上繼續訓練。
• 數據增強：在訓練過程中應用了一些合理的數據增強方法，如隨機左右翻轉。
• 性能提升：雖然評估ControlNet比較困難，但作者發現Canny 1.1比Canny 1.0更穩健，視覺質量也略高。

更多信息

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

📄 許可證

本項目採用CreativeML OpenRAIL M許可證。這是一種Open RAIL M許可證，改編自BigScience和RAIL Initiative在負責任AI許可領域的聯合工作。有關此許可證的更多信息，請參閱關於BLOOM Open RAIL許可證的文章。