Control V11p Sd15 Mlsd

🚀 Controlnet - v1.1 - MLSD版本

Controlnet v1.1是一個強大的圖像生成模型，它是Controlnet v1.0的繼任者。該模型能夠與Stable Diffusion結合使用，通過額外的條件輸入，如邊緣圖、分割圖等，實現對圖像生成過程的精細控制，為圖像創作帶來更多可能性。

🚀 快速開始

安裝依賴

若要使用此檢查點處理圖像以創建輔助條件，需要安裝以下外部依賴：

1. 安裝https://github.com/patrickvonplaten/controlnet_aux

$ pip install controlnet_aux==0.3.0

2. 安裝diffusers及相關包：

$ pip install diffusers transformers accelerate

運行示例代碼

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

from diffusers import (
    ControlNetModel,
    StableDiffusionControlNetPipeline,
    UniPCMultistepScheduler,
)

checkpoint = "lllyasviel/control_v11p_sd15_mlsd"

image = load_image(
    "https://huggingface.co/lllyasviel/control_v11p_sd15_mlsd/resolve/main/images/input.png"
)

prompt = "royal chamber with fancy bed"

processor = MLSDdetector.from_pretrained('lllyasviel/ControlNet')

control_image = processor(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(0)
image = pipe(prompt, num_inference_steps=30, generator=generator, image=control_image).images[0]

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

示例圖片

✨ 主要特性

• 條件控制：ControlNet可以控制預訓練的大型擴散模型，支持額外的輸入條件，如邊緣圖、分割圖、關鍵點等。
• 高效訓練：訓練ControlNet的速度與微調擴散模型相當，並且可以在個人設備上進行訓練。
• 數據適應性強：即使訓練數據集較小（< 50k），學習過程也很穩健；若有強大的計算集群，模型也能擴展到大量（數百萬到數十億）數據。

📦 安裝指南

安裝外部依賴

$ pip install controlnet_aux==0.3.0

安裝diffusers及相關包

$ pip install diffusers transformers accelerate

💻 使用示例

基礎用法

推薦將此檢查點與Stable Diffusion v1-5結合使用，因為該檢查點是在其上進行訓練的。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）一起使用。

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

from diffusers import (
    ControlNetModel,
    StableDiffusionControlNetPipeline,
    UniPCMultistepScheduler,
)

checkpoint = "lllyasviel/control_v11p_sd15_mlsd"

image = load_image(
    "https://huggingface.co/lllyasviel/control_v11p_sd15_mlsd/resolve/main/images/input.png"
)

prompt = "royal chamber with fancy bed"

processor = MLSDdetector.from_pretrained('lllyasviel/ControlNet')

control_image = processor(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(0)
image = pipe(prompt, num_inference_steps=30, 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，並且可以在個人設備上進行訓練。或者，如果有強大的計算集群，模型可以擴展到大量（數百萬到數十億）數據。我們報告稱，像Stable Diffusion這樣的大型擴散模型可以通過ControlNet進行增強，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。

其他發佈的檢查點v1-1

作者發佈了14種不同的檢查點，每種都在不同類型的條件下與Stable Diffusion v1-5一起訓練：

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	使用人體姿勢估計進行訓練	帶有人體姿勢的圖像，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的圖像。
lllyasviel/control_v11e_sd15_shuffle	使用圖像打亂進行訓練	帶有打亂補丁或區域的圖像。
lllyasviel/control_v11f1e_sd15_tile	使用圖像平鋪進行訓練	模糊圖像或圖像的一部分。

MLSD 1.1的改進

• 訓練數據集優化：之前的cnet 1.0訓練數據集存在幾個問題，包括（1）一小部分灰度人體圖像被重複數千次，導致之前的模型有些容易生成灰度人體圖像；（2）一些圖像質量低、非常模糊或有明顯的JPEG偽影；（3）一小部分圖像由於數據處理腳本中的錯誤而存在錯誤的配對提示。新模型修復了訓練數據集的所有問題，在許多情況下應該更加合理。
• 數據集擴充：通過使用MLSD查找包含超過16條直線的圖像，新增了300K張圖像，擴大了訓練數據集。
• 數據增強：在訓練中應用了一些合理的數據增強方法，如隨機左右翻轉。
• 持續訓練：從MLSD 1.0恢復訓練，並使用A100 80G GPU進行了200小時的持續訓練。

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

本模型使用CreativeML OpenRAIL M許可證。該許可證是一種Open RAIL M許可證，改編自BigScience和RAIL Initiative在負責任的AI許可領域的共同工作。另見關於BLOOM Open RAIL許可證的文章，本許可證基於該文章。