Sd Controlnet Scribble

🚀 Controlnet - 草圖版本

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。此檢查點對應於以草圖圖像為條件的 ControlNet，可與 Stable Diffusion 結合使用。

✨ 主要特性

• 能夠通過添加額外條件控制擴散模型，支持如邊緣圖、分割圖、關鍵點等條件輸入。
• 學習任務特定條件的方式端到端，即使訓練數據集較小（< 50k），學習過程也很穩健。
• 訓練速度與微調擴散模型相當，可在個人設備上進行訓練，也能在強大計算集群上處理大量數據。

📚 詳細文檔

模型詳情

@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}
  }

簡介

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 ControlNet 的速度與微調擴散模型相當，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，該模型可以擴展到處理大量（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。

發佈的檢查點

作者發佈了 8 個不同的檢查點，每個檢查點都基於 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	控制圖像示例	生成圖像示例
[lllyasviel/sd - controlnet - canny](https://huggingface.co/lllyasviel/sd - controlnet - 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/sd - controlnet - depth](https://huggingface.co/lllyasviel/sd - controlnet - depth) 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。
[lllyasviel/sd - controlnet - hed](https://huggingface.co/lllyasviel/sd - controlnet - hed) 使用 HED 邊緣檢測（軟邊緣）進行訓練	黑色背景上帶有白色軟邊緣的單色圖像。
[lllyasviel/sd - controlnet - mlsd](https://huggingface.co/lllyasviel/sd - controlnet - mlsd) 使用 M - LSD 線檢測進行訓練	黑色背景上僅由白色直線組成的單色圖像。
[lllyasviel/sd - controlnet - normal](https://huggingface.co/lllyasviel/sd - controlnet - normal) 使用法線貼圖進行訓練	一張 法線貼圖 圖像。
[lllyasviel/sd - controlnet_openpose](https://huggingface.co/lllyasviel/sd - controlnet - openpose) 使用 OpenPose 骨骼圖像進行訓練	一張 [OpenPose 骨骼](https://github.com/CMU - Perceptual - Computing - Lab/openpose) 圖像。
[lllyasviel/sd - controlnet_scribble](https://huggingface.co/lllyasviel/sd - controlnet - scribble) 使用人類草圖進行訓練	黑色背景上帶有白色輪廓的手繪單色圖像。
[lllyasviel/sd - controlnet_seg](https://huggingface.co/lllyasviel/sd - controlnet - seg) 使用語義分割進行訓練	一張 ADE20K 的分割協議圖像。

💻 使用示例

基礎用法

建議將此檢查點與 Stable Diffusion v1 - 5 一起使用，因為該檢查點是基於此進行訓練的。實驗表明，該檢查點也可以與其他擴散模型（如經過 Dreambooth 訓練的 Stable Diffusion）一起使用。

注意：如果要處理圖像以創建輔助條件，則需要安裝以下外部依賴項：

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

$ pip install controlnet_aux

2. 安裝 diffusers 及相關包：

$ pip install diffusers transformers accelerate

3. 運行代碼：

from PIL import Image
from diffusers import StableDiffusionControlNetPipeline, ControlNetModel, UniPCMultistepScheduler
import torch
from controlnet_aux import HEDdetector
from diffusers.utils import load_image

hed = HEDdetector.from_pretrained('lllyasviel/ControlNet')

image = load_image("https://huggingface.co/lllyasviel/sd-controlnet-scribble/resolve/main/images/bag.png")

image = hed(image, scribble=True)

controlnet = ControlNetModel.from_pretrained(
    "lllyasviel/sd-controlnet-scribble", torch_dtype=torch.float16
)

pipe = StableDiffusionControlNetPipeline.from_pretrained(
    "runwayml/stable-diffusion-v1-5", controlnet=controlnet, safety_checker=None, torch_dtype=torch.float16
)

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

# 如果你沒有安裝 xformers，可以刪除此代碼
# 安裝說明請參考 https://huggingface.co/docs/diffusers/v0.13.0/en/optimization/xformers#installing-xformers
pipe.enable_xformers_memory_efficient_attention()

pipe.enable_model_cpu_offload()

image = pipe("bag", image, num_inference_steps=20).images[0]

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

訓練

草圖模型在 500k 個草圖圖像 - 標題對數據集上進行訓練。草圖圖像通過 HED 邊界檢測和一系列數據增強（閾值處理、掩碼處理、形態學變換和非極大值抑制）生成。該模型使用 Nvidia A100 80G GPU 訓練了 150 個 GPU 小時，以 Canny 模型為基礎模型。

博客文章

更多信息請參考 ControlNet 官方博客文章。

📄 許可證

本項目採用 The CreativeML OpenRAIL M license 許可協議。