Control V11p Sd15 Canny

🚀 Controlnet - v1.1 - Canny版本

Controlnet v1.1是一款强大的图像生成控制模型，它通过添加额外条件来控制扩散模型，能与Stable Diffusion结合，实现如边缘图、分割图等条件输入，为图像生成带来更多可能性。

🚀 快速开始

Controlnet v1.1是Controlnet v1.0的后续模型，由Lvmin Zhang在lllyasviel/ControlNet-v1-1中发布。此检查点是将原始检查点转换为diffusers格式，可与Stable Diffusion（如runwayml/stable-diffusion-v1-5）结合使用。

更多详情请查看🧨 Diffusers文档。

ControlNet是一种神经网络结构，通过添加额外条件来控制扩散模型。

此检查点对应基于Canny边缘的ControlNet。

✨ 主要特性

• 灵活控制：能控制预训练的大型扩散模型，支持额外输入条件，如边缘图、分割图、关键点等。
• 高效训练：学习特定任务条件时端到端，即使训练数据集小（< 50k）也很稳健，训练速度快，可在个人设备上进行。
• 可扩展性强：若有强大计算集群，可处理大量（数百万到数十亿）数据。

📦 安装指南

若要处理图像以创建辅助条件，需要安装以下外部依赖：

1. 安装opencv：

$ pip install opencv-contrib-python

2. 安装diffusers及相关包：

$ pip install diffusers transformers accelerate

💻 使用示例

基础用法

import torch
import os
from huggingface_hub import HfApi
from pathlib import Path
from diffusers.utils import load_image
import numpy as np
import cv2
from PIL import Image

from diffusers import (
    ControlNetModel,
    StableDiffusionControlNetPipeline,
    UniPCMultistepScheduler,
)

checkpoint = "lllyasviel/control_v11p_sd15_canny"

image = load_image(
    "https://huggingface.co/lllyasviel/control_v11p_sd15_canny/resolve/main/images/input.png"
)

image = np.array(image)

low_threshold = 100
high_threshold = 200

image = cv2.Canny(image, low_threshold, high_threshold)
image = image[:, :, None]
image = np.concatenate([image, image, image], axis=2)
control_image = Image.fromarray(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(33)
image = pipe("a blue paradise bird in the jungle", num_inference_steps=20, generator=generator, image=control_image).images[0]

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

高级用法

建议将此检查点与Stable Diffusion v1-5配合使用，因为该检查点是基于此训练的。实验表明，此检查点也可与其他扩散模型（如经过微调的Stable Diffusion）结合使用。

📚 详细文档

模型详情

模型介绍

Controlnet由Lvmin Zhang和Maneesh Agrawala在Adding Conditional Control to Text-to-Image Diffusion Models中提出。

摘要如下： 我们提出了一种神经网络结构ControlNet，用于控制预训练的大型扩散模型，以支持额外输入条件。ControlNet以端到端的方式学习特定任务条件，即使训练数据集小（< 50k），学习过程也很稳健。此外，训练ControlNet的速度与微调扩散模型相当，且可在个人设备上进行训练。或者，若有强大的计算集群，模型可处理大量（数百万到数十亿）数据。我们发现，像Stable Diffusion这样的大型扩散模型可以与ControlNets结合，实现如边缘图、分割图、关键点等条件输入。这可能会丰富控制大型扩散模型的方法，并进一步推动相关应用的发展。

其他发布的检查点v1 - 1

作者发布了14种不同的检查点，每种都基于Stable Diffusion v1 - 5在不同类型的条件下进行训练：

模型名称	控制图像概述	条件图像	控制图像示例	生成图像示例
lllyasviel/control_v11p_sd15_canny	使用Canny边缘检测训练	黑色背景上带有白色边缘的单色图像。
lllyasviel/control_v11e_sd15_ip2p	使用像素到像素指令训练	无条件。
lllyasviel/control_v11p_sd15_inpaint	使用图像修复训练	无条件。
lllyasviel/control_v11p_sd15_mlsd	使用多级线段检测训练	带有注释线段的图像。
lllyasviel/control_v11f1p_sd15_depth	使用深度估计训练	带有深度信息的图像，通常表示为灰度图像。
lllyasviel/control_v11p_sd15_normalbae	使用表面法线估计训练	带有表面法线信息的图像，通常表示为彩色编码图像。
lllyasviel/control_v11p_sd15_seg	使用图像分割训练	带有分割区域的图像，通常表示为彩色编码图像。
lllyasviel/control_v11p_sd15_lineart	使用线稿生成训练	带有线稿的图像，通常是白色背景上的黑色线条。
lllyasviel/control_v11p_sd15s2_lineart_anime	使用动漫线稿生成训练	带有动漫风格线稿的图像。
lllyasviel/control_v11p_sd15_openpose	使用人体姿态估计训练	带有人体姿态的图像，通常表示为一组关键点或骨架。
lllyasviel/control_v11p_sd15_scribble	使用基于涂鸦的图像生成训练	带有涂鸦的图像，通常是随机或用户绘制的笔触。
lllyasviel/control_v11p_sd15_softedge	使用软边缘图像生成训练	带有软边缘的图像，通常用于创建更具绘画感或艺术效果的图像。
lllyasviel/control_v11e_sd15_shuffle	使用图像打乱训练	带有打乱补丁或区域的图像。
lllyasviel/control_v11f1e_sd15_tile	使用图像平铺训练	模糊图像或图像的一部分。

Canny 1.1的改进

• 数据集优化：之前的cnet 1.0训练数据集存在一些问题，包括（1）一小部分灰度人体图像被重复了数千次，导致之前的模型有些容易生成灰度人体图像；（2）一些图像质量低、非常模糊或有明显的JPEG伪影；（3）一小部分图像由于数据处理脚本的错误而存在错误的配对提示。新模型解决了训练数据集的所有问题，在很多情况下应该更加合理。
• 强大训练资源：由于Canny模型是最重要（可能是最常用）的ControlNet之一，我们投入资金在一台配备8个Nvidia A100 80G的机器上以批量大小8×32 = 256训练了3天，花费了72×30 = 2160美元（8个A100 80G，每小时30美元）。该模型是在Canny 1.0的基础上继续训练的。
• 数据增强：在训练中应用了一些合理的数据增强方法，如随机左右翻转。
• 性能提升：虽然很难评估一个ControlNet，但我们发现Canny 1.1比Canny 1.0更稳健，视觉质量也略高。

更多信息

更多信息请查看Diffusers ControlNet博客文章和官方文档。

📄 许可证

本项目采用CreativeML OpenRAIL M许可证。