T2i Adapter Sketch Sdxl 1.0

🚀 T2I-Adapter-SDXL - Sketch

T2I Adapter是一个为稳定扩散模型提供额外条件的网络。每个T2I检查点接收不同类型的条件作为输入，并与特定的基础稳定扩散检查点一起使用。

此检查点为StableDiffusionXL检查点提供草图条件。这是腾讯ARC和Hugging Face的合作成果。

📚 详细文档

模型详情

• 开发者：T2I-Adapter: Learning Adapters to Dig out More Controllable Ability for Text-to-Image Diffusion Models

• 模型类型：基于扩散的文本到图像生成模型

• 语言：英语

• 许可证：Apache 2.0

• 更多信息资源：GitHub仓库，论文。

• 模型复杂度： | | SD-V1.4/1.5 | SD-XL | T2I-Adapter | T2I-Adapter-SDXL | | --- | --- | --- | --- | --- | | 参数 | 8.6亿 | 26亿 | 7700万 | 7700万/7900万 |

• 引用方式：

@misc{
    title={T2I-Adapter: Learning Adapters to Dig out More Controllable Ability for Text-to-Image Diffusion Models}, 
    author={Chong Mou, Xintao Wang, Liangbin Xie, Yanze Wu, Jian Zhang, Zhongang Qi, Ying Shan, Xiaohu Qie},
    year={2023},
    eprint={2302.08453},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}

检查点

模型名称	控制图像概述	控制图像示例	生成图像示例
TencentARC/t2i-adapter-canny-sdxl-1.0 使用Canny边缘检测进行训练	黑色背景上带有白色边缘的单色图像。
TencentARC/t2i-adapter-sketch-sdxl-1.0 使用PidiNet边缘检测进行训练	黑色背景上带有白色轮廓的手绘单色图像。
TencentARC/t2i-adapter-lineart-sdxl-1.0 使用线稿边缘检测进行训练	黑色背景上带有白色轮廓的手绘单色图像。
TencentARC/t2i-adapter-depth-midas-sdxl-1.0 使用Midas深度估计进行训练	黑色代表深区域，白色代表浅区域的灰度图像。
TencentARC/t2i-adapter-depth-zoe-sdxl-1.0 使用Zoe深度估计进行训练	黑色代表深区域，白色代表浅区域的灰度图像。
TencentARC/t2i-adapter-openpose-sdxl-1.0 使用OpenPose骨骼图像进行训练	OpenPose骨骼图像。

演示

在Doodly Space中使用你自己的手绘草图/涂鸦来试用该模型！

💻 使用示例

基础用法

首先，安装所需的依赖项：

pip install -U git+https://github.com/huggingface/diffusers.git
pip install -U controlnet_aux==0.0.7 # 用于条件模型和检测器
pip install transformers accelerate safetensors

操作步骤如下：

1. 首先将图像下载为合适的控制图像格式。
2. 将控制图像和提示词传递给StableDiffusionXLAdapterPipeline。

让我们来看一个使用Canny Adapter的简单示例。

依赖项

from diffusers import StableDiffusionXLAdapterPipeline, T2IAdapter, EulerAncestralDiscreteScheduler, AutoencoderKL
from diffusers.utils import load_image, make_image_grid
from controlnet_aux.pidi import PidiNetDetector
import torch

# 加载适配器
adapter = T2IAdapter.from_pretrained(
  "TencentARC/t2i-adapter-sketch-sdxl-1.0", torch_dtype=torch.float16, varient="fp16"
).to("cuda")

# 加载euler_a调度器
model_id = 'stabilityai/stable-diffusion-xl-base-1.0'
euler_a = EulerAncestralDiscreteScheduler.from_pretrained(model_id, subfolder="scheduler")
vae=AutoencoderKL.from_pretrained("madebyollin/sdxl-vae-fp16-fix", torch_dtype=torch.float16)
pipe = StableDiffusionXLAdapterPipeline.from_pretrained(
    model_id, vae=vae, adapter=adapter, scheduler=euler_a, torch_dtype=torch.float16, variant="fp16", 
).to("cuda")
pipe.enable_xformers_memory_efficient_attention()

pidinet = PidiNetDetector.from_pretrained("lllyasviel/Annotators").to("cuda")

条件图像

url = "https://huggingface.co/Adapter/t2iadapter/resolve/main/figs_SDXLV1.0/org_sketch.png"
image = load_image(url)
image = pidinet(
  image, detect_resolution=1024, image_resolution=1024, apply_filter=True
)

生成图像

prompt = "a robot, mount fuji in the background, 4k photo, highly detailed"
negative_prompt = "extra digit, fewer digits, cropped, worst quality, low quality, glitch, deformed, mutated, ugly, disfigured"

gen_images = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    image=image,
    num_inference_steps=30,
    adapter_conditioning_scale=0.9,
    guidance_scale=7.5, 
).images[0]
gen_images.save('out_sketch.png')

训练

我们的训练脚本基于我们在此处提供的官方训练脚本构建。

该模型在来自LAION-Aesthetics V2的300万高分辨率图像 - 文本对上进行训练，训练参数如下：

• 训练步数：20000
• 批量大小：数据并行，单GPU批量大小为16，总批量大小为256。
• 学习率：恒定学习率1e-5。
• 混合精度：fp16

📄 许可证

本模型使用的许可证为Apache 2.0。