Control V11p Sd15 Inpaint

🚀 Controlnet - v1.1 - 图像修复版本

Controlnet v1.1 是一种强大的神经网络结构，可通过添加额外条件来控制扩散模型。此版本的图像修复版本能与 Stable Diffusion 结合使用，为图像生成提供更多的控制和灵活性。

🚀 快速开始

安装依赖

$ pip install diffusers transformers accelerate

运行示例代码

# !pip install transformers accelerate
from diffusers import StableDiffusionControlNetInpaintPipeline, ControlNetModel
from diffusers.utils import load_image
import numpy as np
import torch

init_image = load_image(
    "https://huggingface.co/datasets/diffusers/test-arrays/resolve/main/stable_diffusion_inpaint/boy.png"
)
init_image = init_image.resize((512, 512))

generator = torch.Generator(device="cpu").manual_seed(1)

mask_image = load_image(
    "https://huggingface.co/datasets/diffusers/test-arrays/resolve/main/stable_diffusion_inpaint/boy_mask.png"
)
mask_image = mask_image.resize((512, 512))


def make_inpaint_condition(image, image_mask):
    image = np.array(image.convert("RGB")).astype(np.float32) / 255.0
    image_mask = np.array(image_mask.convert("L")).astype(np.float32) / 255.0

    assert image.shape[0:1] == image_mask.shape[0:1], "image and image_mask must have the same image size"
    image[image_mask > 0.5] = -1.0  # set as masked pixel
    image = np.expand_dims(image, 0).transpose(0, 3, 1, 2)
    image = torch.from_numpy(image)
    return image


control_image = make_inpaint_condition(init_image, mask_image)

controlnet = ControlNetModel.from_pretrained(
    "lllyasviel/control_v11p_sd15_inpaint", torch_dtype=torch.float16
)
pipe = StableDiffusionControlNetInpaintPipeline.from_pretrained(
    "runwayml/stable-diffusion-v1-5", controlnet=controlnet, torch_dtype=torch.float16
)

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

# generate image
image = pipe(
    "a handsome man with ray-ban sunglasses",
    num_inference_steps=20,
    generator=generator,
    eta=1.0,
    image=init_image,
    mask_image=mask_image,
    control_image=control_image,
).images[0]

示例图片

✨ 主要特性

• 额外条件控制：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。
• 图像修复功能：此检查点对应于基于图像修复的 ControlNet，可用于图像修复任务。
• 与 Stable Diffusion 结合：可与 Stable Diffusion 结合使用，如 runwayml/stable-diffusion-v1-5。

📦 安装指南

$ pip install diffusers transformers accelerate

💻 使用示例

基础用法

# 上述快速开始中的代码即为基础用法示例

📚 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（< 50k），学习过程也很稳健。此外，训练一个 ControlNet 与微调一个扩散模型一样快，并且该模型可以在个人设备上进行训练。或者，如果有强大的计算集群，该模型可以扩展到大量（数百万到数十亿）的数据。我们报告称，像 Stable Diffusion 这样的大型扩散模型可以通过 ControlNets 进行增强，以实现诸如边缘图、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，并进一步促进相关应用。

其他发布的检查点 v1-1

作者发布了 14 个不同的检查点，每个检查点都在 Stable Diffusion v1-5 上针对不同类型的条件进行了训练：

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	使用像素到像素指令进行训练	无条件。
lllyasviel/control_v11p_sd15_inpaint	使用图像修复进行训练	无条件。
lllyasviel/control_v11p_sd15_mlsd	使用多级线段检测进行训练	带有注释线段的图像。
lllyasviel/control_v11f1p_sd15_depth	使用深度估计进行训练	带有深度信息的图像，通常表示为灰度图像。
lllyasviel/control_v11p_sd15_normalbae	使用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	使用图像分割进行训练	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	使用线稿生成进行训练	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	使用动漫线稿生成进行训练	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	使用基于涂鸦的图像生成进行训练	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	使用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。
lllyasviel/control_v11e_sd15_shuffle	使用图像打乱进行训练	带有打乱的补丁或区域的图像。
lllyasviel/control_v11f1e_sd15_tile	使用图像平铺进行训练	模糊图像或图像的一部分。

更多信息

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

🔧 技术细节

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（< 50k），学习过程也很稳健。此外，训练一个 ControlNet 与微调一个扩散模型一样快，并且该模型可以在个人设备上进行训练。或者，如果有强大的计算集群，该模型可以扩展到大量（数百万到数十亿）的数据。

📄 许可证

本模型使用 The CreativeML OpenRAIL M license，这是一种 Open RAIL M license，改编自 BigScience 和 the RAIL Initiative 在负责任的 AI 许可领域的联合工作。另见 关于 BLOOM Open RAIL 许可证的文章，本许可证基于此。

引用格式

@misc{zhang2023adding,
    title={Adding Conditional Control to Text-to-Image Diffusion Models}, 
    author={Lvmin Zhang and Maneesh Agrawala},
    year={2023},
    eprint={2302.05543},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}