T2i Adapter Canny Sdxl 1.0

🚀 T2I-Adapter-SDXL - Canny

T2I-Adapter是一个为稳定扩散模型提供额外条件控制的网络。每个T2I检查点以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配合使用。

本检查点为StableDiffusionXL检查点提供Canny边缘检测条件控制。这是腾讯ARC实验室和Hugging Face合作的成果。

🚀 快速开始

要开始使用，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 # for conditioning models and detectors  
pip install transformers accelerate safetensors

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。

下面来看一个使用Canny Adapter的简单示例：

依赖安装

from diffusers import StableDiffusionXLAdapterPipeline, T2IAdapter, EulerAncestralDiscreteScheduler, AutoencoderKL
from diffusers.utils import load_image, make_image_grid
from controlnet_aux.canny import CannyDetector
import torch

# load adapter
adapter = T2IAdapter.from_pretrained("TencentARC/t2i-adapter-canny-sdxl-1.0", torch_dtype=torch.float16, varient="fp16").to("cuda")

# load euler_a scheduler
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()

canny_detector = CannyDetector()

条件图像

url = "https://huggingface.co/Adapter/t2iadapter/resolve/main/figs_SDXLV1.0/org_canny.jpg"
image = load_image(url)

# Detect the canny map in low resolution to avoid high-frequency details
image = canny_detector(image, detect_resolution=384, image_resolution=1024)#.resize((1024, 1024))

图像生成

prompt = "Mystical fairy in real, magic, 4k picture, high quality"
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,
  guidance_scale=7.5, 
  adapter_conditioning_scale=0.8, 
  adapter_conditioning_factor=1
).images[0]
gen_images.save('out_canny.png')

✨ 主要特性

T2I Adapter网络能够为稳定扩散模型提供额外的条件控制，不同的T2I检查点可以接受不同类型的条件输入，与特定的基础稳定扩散检查点配合，实现更丰富的图像生成控制。

📚 详细文档

模型详情

@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。

训练

我们的训练脚本基于官方提供的训练脚本构建，可参考此处。

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

• 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

本项目采用Apache 2.0许可证。