T2i Adapter Depth Zoe Sdxl 1.0

🚀 T2I-Adapter-SDXL - Depth-Zoe

T2I-Adapter-SDXL - Depth-Zoe是一个用于文生图扩散模型的增强组件，它能为StableDiffusion模型提供额外的深度条件控制，让图像生成更加精准和可控。该项目由腾讯ARC实验室和Hugging Face合作完成，为图像生成领域带来了更多的可能性。

🚀 快速开始

要开始使用T2I-Adapter-SDXL - Depth-Zoe，首先需要安装所需的依赖项：

pip install -U git+https://github.com/huggingface/diffusers.git
pip install -U controlnet_aux==0.0.7 timm==0.6.12 # for conditioning models and detectors
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。

✨ 主要特性

• 额外条件控制：T2I Adapter网络为StableDiffusion提供额外的条件控制，每个t2i检查点接受不同类型的条件作为输入，并与特定的基础StableDiffusion检查点一起使用。
• 深度条件支持：此检查点为StableDiffusionXL检查点提供深度条件控制。
• 多方合作成果：由腾讯ARC和Hugging Face合作开发。

💻 使用示例

基础用法

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

# load adapter
adapter = T2IAdapter.from_pretrained(
  "TencentARC/t2i-adapter-depth-zoe-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()

zoe_depth = ZoeDetector.from_pretrained(
    "valhalla/t2iadapter-aux-models", filename="zoed_nk.pth", model_type="zoedepth_nk"
).to("cuda")

高级用法

# 条件图像
url = "https://huggingface.co/Adapter/t2iadapter/resolve/main/figs_SDXLV1.0/org_zeo.jpg"
image = load_image(url)
image = zoe_depth(image, gamma_corrected=True, detect_resolution=512, image_resolution=1024)

# 图像生成
prompt = "A photo of a orchid, 4k photo, highly detailed"
negative_prompt = "anime, cartoon, graphic, text, painting, crayon, graphite, abstract, glitch, deformed, mutated, ugly, disfigured"

gen_images = pipe(
  prompt=prompt,
  negative_prompt=negative_prompt,
  image=image,
  num_inference_steps=30,
  adapter_conditioning_scale=1,
  guidance_scale=7.5,  
).images[0]
gen_images.save('out_zoe.png')

📚 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：基于扩散的文生图生成模型
• 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 |
• 引用格式：

@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。

训练信息

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：25000
• 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。