Qr Code

🚀 适用于Stable Diffusion 1.5的二维码条件ControlNet模型

本项目提供适用于Stable Diffusion 1.5的二维码条件ControlNet模型，可用于图像生成，在图像中融入二维码元素。

🚀 快速开始

安装依赖

pip -q install diffusers transformers accelerate torch xformers

使用示例

import torch
from PIL import Image
from diffusers import StableDiffusionControlNetImg2ImgPipeline, ControlNetModel, DDIMScheduler
from diffusers.utils import load_image

controlnet = ControlNetModel.from_pretrained("DionTimmer/controlnet_qrcode-control_v1p_sd15",
                                             torch_dtype=torch.float16)

pipe = StableDiffusionControlNetImg2ImgPipeline.from_pretrained(
    "runwayml/stable-diffusion-v1-5",
    controlnet=controlnet,
    safety_checker=None,
    torch_dtype=torch.float16
)

pipe.enable_xformers_memory_efficient_attention()
pipe.scheduler = DDIMScheduler.from_config(pipe.scheduler.config)
pipe.enable_model_cpu_offload()

def resize_for_condition_image(input_image: Image, resolution: int):
    input_image = input_image.convert("RGB")
    W, H = input_image.size
    k = float(resolution) / min(H, W)
    H *= k
    W *= k
    H = int(round(H / 64.0)) * 64
    W = int(round(W / 64.0)) * 64
    img = input_image.resize((W, H), resample=Image.LANCZOS)
    return img


# play with guidance_scale, controlnet_conditioning_scale and strength to make a valid QR Code Image

# qr code image
source_image = load_image("https://s3.amazonaws.com/moonup/production/uploads/6064e095abd8d3692e3e2ed6/A_RqHaAM6YHBodPLwqtjn.png")
# initial image, anything
init_image = load_image("https://s3.amazonaws.com/moonup/production/uploads/noauth/KfMBABpOwIuNolv1pe3qX.jpeg")
condition_image = resize_for_condition_image(source_image, 768)
init_image = resize_for_condition_image(init_image, 768)
generator = torch.manual_seed(123121231)
image = pipe(prompt="a bilboard in NYC with a qrcode",
             negative_prompt="ugly, disfigured, low quality, blurry, nsfw", 
             image=init_image,
             control_image=condition_image,
             width=768,
             height=768,
             guidance_scale=20,
             controlnet_conditioning_scale=1.5,
             generator=generator,
             strength=0.9, 
             num_inference_steps=150,
            )

image.images[0]

✨ 主要特性

• 本仓库包含适用于Stable Diffusion v1.5的二维码条件ControlNet的safetensors和diffusers版本。
• 虽然Stable Diffusion 2.1版本效果稍好，但此1.5版本模型也在相同数据集上进行了训练，方便使用旧版本的用户。

📦 安装指南

将.safetensors模型及其.yaml配置文件放置在其他ControlNet模型的安装文件夹中，具体位置因应用而异。

• 若在auto1111中使用，可将其放置在webui/models/ControlNet文件夹。
• 可通过webui的扩展选项卡安装ControlNet扩展（https://github.com/Mikubill/sd-webui-controlnet）来加载模型。
• 确保启用ControlNet单元，并将输入图像设置为二维码。根据基础Stable Diffusion模型选择SD2.1或1.5版本的模型，否则会报错。
• 无需预处理器，但可使用反转预处理器以获得不同的结果。建议以768的分辨率进行生成，以获得更详细的效果。

🔧 技术细节

性能与局限性

这些模型在大多数情况下表现良好，但并非100%准确。在某些情况下，二维码形状可能不符合预期。可以增加ControlNet的权重来强调二维码形状，但需注意这可能会影响输出的风格。为了优化扫描效果，请使用纠错模式'H'（30%）生成二维码。 为了在风格和形状之间取得平衡，可能需要根据具体输入、期望输出以及正确的提示词对控制权重进行微调。有些提示词需要大幅增加权重才能生效。找到这些因素之间的最佳平衡既需要技巧也需要经验。为了获得最佳效果，建议以768的分辨率生成作品，这样可以在最终产品中实现更高的细节水平，提高基于二维码的作品的质量和效果。

📄 许可证

本项目使用的许可证为openrail++。