Control V11p Sd15 Scribble

🚀 Controlnet - v1.1 - 涂鸦版本

Controlnet v1.1 是一款强大的图像生成辅助模型，它能够为 Stable Diffusion 等大模型添加额外的条件控制，让图像生成更加精准和多样化，满足艺术创作等多种场景需求。

🚀 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 格式后的版本，可与 Stable Diffusion 结合使用，例如 runwayml/stable-diffusion-v1-5。

更多详细信息，请查看 🧨 Diffusers 文档。

ControlNet 是一种神经网络结构，可通过添加额外条件来控制扩散模型。

此检查点对应基于 涂鸦图像 进行条件控制的 ControlNet。

✨ 主要特性

• 支持额外输入条件：ControlNet 可以控制预训练的大型扩散模型，支持如边缘图、分割图、关键点等额外输入条件，丰富了控制大型扩散模型的方法。
• 端到端学习：能够以端到端的方式学习特定任务的条件，即使训练数据集较小（少于 50k），学习过程也很稳健。
• 训练速度快：训练 ControlNet 的速度与微调扩散模型相当，并且可以在个人设备上进行训练。如果有强大的计算集群，模型也可以处理大量（数百万到数十亿）的数据。

📦 安装指南

安装外部依赖

若要处理图像以创建辅助条件，需要安装以下外部依赖：

$ pip install controlnet_aux==0.3.0

安装 diffusers 及相关包

$ pip install diffusers transformers accelerate

💻 使用示例

基础用法

建议将此检查点与 Stable Diffusion v1-5 结合使用，因为该检查点是基于此进行训练的。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）一起使用。

import torch
import os
from huggingface_hub import HfApi
from pathlib import Path
from diffusers.utils import load_image
from PIL import Image
import numpy as np
from controlnet_aux import PidiNetDetector, HEDdetector

from diffusers import (
    ControlNetModel,
    StableDiffusionControlNetPipeline,
    UniPCMultistepScheduler,
)

checkpoint = "lllyasviel/control_v11p_sd15_scribble"

image = load_image(
    "https://huggingface.co/lllyasviel/control_v11p_sd15_scribble/resolve/main/images/input.png"
)

prompt = "royal chamber with fancy bed"

processor = HEDdetector.from_pretrained('lllyasviel/Annotators')

control_image = processor(image, scribble=True)

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(0)
image = pipe(prompt, num_inference_steps=30, generator=generator, image=control_image).images[0]

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

注意事项

⚠️ 重要提示

如果要处理图像以创建辅助条件，需要安装外部依赖，具体安装步骤见安装指南。

💡 使用建议

建议使用 Stable Diffusion v1-5 与该检查点配合使用，因为该检查点是基于此进行训练的。

📚 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。论文摘要如下：

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的输入条件。ControlNet 以端到端的方式学习特定任务的条件，即使训练数据集较小（少于 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，并且可以在个人设备上进行训练。或者，如果有强大的计算集群，模型可以处理大量（数百万到数十亿）的数据。我们发现，像 Stable Diffusion 这样的大型扩散模型可以通过添加 ControlNet 来支持边缘图、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，并进一步促进相关应用的发展。

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	基于 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。
lllyasviel/control_v11e_sd15_ip2p	基于像素到像素指令进行训练	无特定条件。
lllyasviel/control_v11p_sd15_inpaint	基于图像修复进行训练	无特定条件。
lllyasviel/control_v11p_sd15_mlsd	基于多级线段检测进行训练	带有标注线段的图像。
lllyasviel/control_v11f1p_sd15_depth	基于深度估计进行训练	带有深度信息的图像，通常表示为灰度图像。
lllyasviel/control_v11p_sd15_normalbae	基于表面法线估计进行训练	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	基于图像分割进行训练	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	基于线条画生成进行训练	带有线条画的图像，通常是白色背景上的黑色线条。
lllyasviel/control_v11p_sd15s2_lineart_anime	基于动漫线条画生成进行训练	带有动漫风格线条画的图像。
lllyasviel/control_v11p_sd15_openpose	基于人体姿态估计进行训练	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	基于涂鸦图像生成进行训练	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	基于软边缘图像生成进行训练	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	基于图像打乱进行训练	带有打乱的图像块或区域的图像。
lllyasviel/control_v11f1e_sd15_tile	基于图像拼接进行训练	模糊的图像或图像的一部分。

涂鸦 1.1 版本的改进

• 训练数据集优化：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数千次，导致之前的模型容易生成灰度人体图像；（2）一些图像质量较低、模糊或有明显的 JPEG 伪影；（3）由于数据处理脚本的错误，一小部分图像的提示信息配对错误。新模型解决了训练数据集的所有问题，在许多情况下表现更合理。
• 对厚涂鸦的支持：考虑到用户有时喜欢绘制非常粗的涂鸦，我们使用了更激进的随机形态变换来合成涂鸦。即使涂鸦相对较粗（训练数据在 512 画布上的最大宽度为 24 像素宽的涂鸦，但对于稍宽的涂鸦似乎也能正常工作；最小宽度为 1 像素），该模型也能正常工作。
• 持续训练：在涂鸦 1.0 的基础上，继续使用 A100 80G GPU 进行了 200 小时的训练。

📄 许可证

本模型使用 OpenRAIL 许可证。

更多信息

如需更多信息，请查看 Diffusers ControlNet 博客文章 和 官方文档。