Control V11p Sd15 Openpose

🚀 Controlnet - v1.1 - openpose 版本

Controlnet v1.1 是一个功能强大的图像生成模型，它是 Controlnet v1.0 的后续版本。该模型由 Lvmin Zhang 发布于 lllyasviel/ControlNet-v1-1，可与 Stable Diffusion 结合使用，为图像生成提供更多的条件控制。

🚀 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，它可以与 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，通过添加额外条件来控制扩散模型。

此检查点对应于基于 openpose 图像 进行条件控制的 ControlNet。

✨ 主要特性

模型优势

• 强大的条件控制：ControlNet 可以控制预训练的大型扩散模型，支持额外的输入条件，如边缘图、分割图、关键点等。
• 高效的训练方式：可以端到端地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。训练速度与微调扩散模型相当，甚至可以在个人设备上进行训练。
• 广泛的兼容性：可以与 Stable Diffusion 等大型扩散模型结合使用，丰富了控制大型扩散模型的方法，促进了相关应用的发展。

版本改进

• 更高的准确性：基于改进的 OpenPose 实现，处理器更加准确，尤其是对手部的处理。
• 更多的输入支持：支持更多的输入，如手部和面部信息。
• 优化的训练数据集：解决了之前训练数据集中存在的问题，如重复图像、低质量图像和错误的提示配对等，使模型在更多情况下更加合理。

📦 安装指南

安装依赖库

如果要处理图像以创建辅助条件，需要安装以下外部依赖项：

1. 安装 https://github.com/patrickvonplaten/controlnet_aux

$ pip install controlnet_aux==0.3.0

2. 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模型进行训练的。实验表明，该检查点也可以与其他扩散模型（如经过 dreamboothed 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 OpenposeDetector

from diffusers import (
    ControlNetModel,
    StableDiffusionControlNetPipeline,
    UniPCMultistepScheduler,
)

checkpoint = "lllyasviel/control_v11p_sd15_openpose"

image = load_image(
    "https://huggingface.co/lllyasviel/control_v11p_sd15_openpose/resolve/main/images/input.png"
)

prompt = "chef in the kitchen"

processor = OpenposeDetector.from_pretrained('lllyasviel/ControlNet')

control_image = processor(image, hand_and_face=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')

高级用法

目前文档未提及高级用法相关内容，可参考官方文档获取更多信息。

📚 详细文档

模型详情

模型介绍

Controlnet 由 Lvmin Zhang 和 Maneesh Agrawala 在论文 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 可以端到端地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 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。

其他已发布的检查点 v1-1

作者发布了 14 种不同的检查点，每种检查点都基于 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	控制图像示例	生成图像示例
lllyasviel/control_v11p_sd15_canny 基于 Canny 边缘检测训练	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训练	无特定条件。
lllyasviel/control_v11p_sd15_inpaint 基于图像修复训练	无特定条件。
lllyasviel/control_v11p_sd15_mlsd 基于多级线段检测训练	带有注释线段的图像。
lllyasviel/control_v11f1p_sd15_depth 基于深度估计训练	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 基于线稿生成训练	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 基于动漫线稿生成训练	带有动漫风格线稿的图像。
lllyasviel/control_v11p_sd15_openpose 基于人体姿态估计训练	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训练	带有软边缘的图像，通常用于创建更具绘画或艺术效果的图像。
lllyasviel/control_v11e_sd15_shuffle 基于图像打乱训练	带有打乱的图像块或区域的图像。

Openpose 1.1 的改进

• 准确性提升：此模型的改进主要基于我们对 OpenPose 的改进实现。我们仔细审查了 PyTorch OpenPose 和 CMU 的 C++ OpenPose 之间的差异，现在处理器应该更加准确，尤其是对手部的处理。处理器的改进带来了 Openpose 1.1 的性能提升。
• 更多输入支持：支持更多的输入（手部和面部）。
• 优化训练数据集：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（！！），导致之前的模型有些容易生成灰度人体图像；（2）一些图像质量较低，非常模糊，或有明显的 JPEG 伪影；（3）一小部分图像由于数据处理脚本中的错误而存在错误的配对提示。新模型解决了训练数据集中的所有问题，在许多情况下应该更加合理。

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

目前文档未提及技术细节相关内容，可参考官方文档获取更多信息。

📄 许可证

本模型使用 CreativeML OpenRAIL M 许可证，这是一种 Open RAIL M 许可证，改编自 BigScience 和 RAIL Initiative 在负责任的 AI 许可领域的联合工作。有关许可证的更多信息，请参阅 关于 BLOOM Open RAIL 许可证的文章。

常用提示信息

⚠️ 重要提示

如果要处理图像以创建辅助条件，需要安装外部依赖项，如 controlnet_aux 和 diffusers 等相关库。

💡 使用建议

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模型进行训练的。实验表明，该检查点也可以与其他扩散模型（如经过 dreamboothed 的 Stable Diffusion）一起使用。