Sd Controlnet Openpose

🚀 Controlnet - 人體姿態版本

ControlNet 是一種神經網絡結構，通過添加額外條件來控制擴散模型。此檢查點對應於基於人體姿態估計的 ControlNet，可與 Stable Diffusion 結合使用。

🚀 快速開始

本模型可與 Stable Diffusion v1 - 5 結合使用。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。

若要處理圖像以創建輔助條件，需要安裝外部依賴，步驟如下：

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 OpenposeDetector
from diffusers.utils import load_image

openpose = OpenposeDetector.from_pretrained('lllyasviel/ControlNet')

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

image = openpose(image)

controlnet = ControlNetModel.from_pretrained(
    "lllyasviel/sd-controlnet-openpose", 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)

# Remove if you do not have xformers installed
# see https://huggingface.co/docs/diffusers/v0.13.0/en/optimization/xformers#installing-xformers
# for installation instructions
pipe.enable_xformers_memory_efficient_attention()

pipe.enable_model_cpu_offload()

image = pipe("chef in the kitchen", image, num_inference_steps=20).images[0]

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

✨ 主要特性

ControlNet 能夠控制預訓練的大型擴散模型，以支持額外的輸入條件。它可以端到端地學習特定任務的條件，即使在訓練數據集較小（< 50k）的情況下，學習過程也很穩健。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。如果有強大的計算集群，該模型也可以擴展到處理大量（數百萬到數十億）的數據。

📦 安裝指南

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

💻 使用示例

基礎用法

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

openpose = OpenposeDetector.from_pretrained('lllyasviel/ControlNet')

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

image = openpose(image)

controlnet = ControlNetModel.from_pretrained(
    "lllyasviel/sd-controlnet-openpose", 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)

# Remove if you do not have xformers installed
# see https://huggingface.co/docs/diffusers/v0.13.0/en/optimization/xformers#installing-xformers
# for installation instructions
pipe.enable_xformers_memory_efficient_attention()

pipe.enable_model_cpu_offload()

image = pipe("chef in the kitchen", image, num_inference_steps=20).images[0]

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

📚 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 可以端到端地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，該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，並進一步推動相關應用的發展。

已發佈的檢查點

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 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 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 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 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 使用法線貼圖進行訓練	法線貼圖 圖像。
lllyasviel/sd - controlnet_openpose 使用 OpenPose 骨骼圖像進行訓練	[OpenPose 骨骼](https://github.com/CMU - Perceptual - Computing - Lab/openpose) 圖像。
lllyasviel/sd - controlnet_scribble 使用人類塗鴉進行訓練	黑色背景上帶有白色輪廓的手繪單色圖像。
lllyasviel/sd - controlnet_seg 使用語義分割進行訓練	ADE20K 的分割協議圖像。

訓練

Openpose 模型在 200k 個姿態圖像 - 字幕對上進行訓練。姿態估計圖像使用 Openpose 生成。該模型以 Stable Diffusion 1.5 為基礎模型，使用 Nvidia A100 80G 進行了 300 GPU 小時的訓練。

博客文章

如需更多信息，請查看 ControlNet 官方博客文章。

🔧 技術細節

Openpose 模型在 200k 個姿態圖像 - 字幕對上進行訓練。姿態估計圖像使用 Openpose 生成。該模型以 Stable Diffusion 1.5 為基礎模型，使用 Nvidia A100 80G 進行了 300 GPU 小時的訓練。

📄 許可證

本模型使用 CreativeML OpenRAIL M 許可證，這是一種 Open RAIL M 許可證，改編自 BigScience 和 RAIL Initiative 在負責任的人工智能許可領域的聯合工作。另見 關於 BLOOM Open RAIL 許可證的文章，本許可證基於該文章。

⚠️ 重要提示

如果要處理圖像以創建輔助條件，需要安裝外部依賴。

💡 使用建議

建議將此檢查點與 Stable Diffusion v1 - 5 結合使用，因為該檢查點是基於此模型進行訓練的。