Gligen Xl 1024

🚀 SDXL版GLIGEN适配器项目

本项目旨在借助Hugging Face风格的管道，支持SDXL版本的GLIGEN适配器。该项目是创建InteractDiffusion XL工作的一部分。更多详细信息请访问Github仓库。

📦 安装信息

✨ 主要特性

IGLIGEN在Diffusers框架上复现了GLIGEN，并使训练过程更易于复现。他们已经发布了适用于SD v1.4/v1.5、SD v2.0/v2.1的代码和预训练权重，但对SDXL的支持仍备受期待。本仓库开源了适用于SDXL的GLIGEN适配器的预训练权重，以及Diffusers管道和训练代码。我们感谢GLIGEN和IGLIGEN的作者们所做的工作。

💻 使用示例

基础用法

import torch
from diffusers import DiffusionPipeline

pipeline = DiffusionPipeline.from_pretrained(
    "jiuntian/gligen-xl-1024", trust_remote_code=True, torch_dtype=torch.float16
).to("cuda")

prompt = "An image of grassland with a dog."

# Image generation with GLIGEN
output_images = pipeline(
    prompt,
    num_inference_steps=50,
    height=1024, width=1024,
    gligen_scheduled_sampling_beta=0.4,
    gligen_boxes=[[0.1, 0.6, 0.3, 0.8]],
    gligen_phrases=["a dog"],
    num_images_per_prompt=1,
    output_type="pt"
).images

📚 详细文档

本仓库（IGLIGEN - XL）的作者与GLIGEN和IGLIGEN的作者没有关联。由于IGLIGEN - XL基于GLIGEN和IGLIGEN，如果你使用IGLIGEN - XL的代码或适配器，请考虑引用原始的GLIGEN和IGLIGEN论文：

@article{li2023gligen,
  title={GLIGEN: Open-Set Grounded Text-to-Image Generation},
  author={Li, Yuheng and Liu, Haotian and Wu, Qingyang and Mu, Fangzhou and Yang, Jianwei and Gao, Jianfeng and Li, Chunyuan and Lee, Yong Jae},
  journal={CVPR},
  year={2023}
}
@article{lian2023llmgrounded,
  title={Llm-grounded diffusion: Enhancing prompt understanding of text-to-image diffusion models with large language models},
  author={Lian, Long and Li, Boyi and Yala, Adam and Darrell, Trevor},
  journal={arXiv preprint arXiv:2305.13655},
  year={2023}
}

该项目是创建InteractDiffusion XL工作的一部分。

如果你使用IGLIGEN - XL的代码/训练权重，请考虑引用InteractDiffusion：

@inproceedings{hoe2023interactdiffusion,
  title={InteractDiffusion: Interaction Control in Text-to-Image Diffusion Models}, 
  author={Jiun Tian Hoe and Xudong Jiang and Chee Seng Chan and Yap-Peng Tan and Weipeng Hu},
  year={2024},
  booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
}