Control V11p Sd15 Mlsd

🚀 Controlnet - v1.1 - MLSD版本

Controlnet v1.1是一个强大的图像生成模型，它是Controlnet v1.0的继任者。该模型能够与Stable Diffusion结合使用，通过额外的条件输入，如边缘图、分割图等，实现对图像生成过程的精细控制，为图像创作带来更多可能性。

🚀 快速开始

安装依赖

若要使用此检查点处理图像以创建辅助条件，需要安装以下外部依赖：

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

运行示例代码

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 MLSDdetector

from diffusers import (
    ControlNetModel,
    StableDiffusionControlNetPipeline,
    UniPCMultistepScheduler,
)

checkpoint = "lllyasviel/control_v11p_sd15_mlsd"

image = load_image(
    "https://huggingface.co/lllyasviel/control_v11p_sd15_mlsd/resolve/main/images/input.png"
)

prompt = "royal chamber with fancy bed"

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

control_image = processor(image)
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')

示例图片

✨ 主要特性

• 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。
• 高效训练：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。
• 数据适应性强：即使训练数据集较小（< 50k），学习过程也很稳健；若有强大的计算集群，模型也能扩展到大量（数百万到数十亿）数据。

📦 安装指南

安装外部依赖

$ 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

推荐将此检查点与Stable Diffusion v1-5结合使用，因为该检查点是在其上进行训练的。实验表明，该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 MLSDdetector

from diffusers import (
    ControlNetModel,
    StableDiffusionControlNetPipeline,
    UniPCMultistepScheduler,
)

checkpoint = "lllyasviel/control_v11p_sd15_mlsd"

image = load_image(
    "https://huggingface.co/lllyasviel/control_v11p_sd15_mlsd/resolve/main/images/input.png"
)

prompt = "royal chamber with fancy bed"

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

control_image = processor(image)
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')

📚 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，模型可以扩展到大量（数百万到数十亿）数据。我们报告称，像Stable Diffusion这样的大型扩散模型可以通过ControlNet进行增强，以支持边缘图、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，每种都在不同类型的条件下与Stable Diffusion v1-5一起训练：

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	使用人体姿势估计进行训练	带有人体姿势的图像，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的图像。
lllyasviel/control_v11e_sd15_shuffle	使用图像打乱进行训练	带有打乱补丁或区域的图像。
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。

MLSD 1.1的改进

• 训练数据集优化：之前的cnet 1.0训练数据集存在几个问题，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。新模型修复了训练数据集的所有问题，在许多情况下应该更加合理。
• 数据集扩充：通过使用MLSD查找包含超过16条直线的图像，新增了300K张图像，扩大了训练数据集。
• 数据增强：在训练中应用了一些合理的数据增强方法，如随机左右翻转。
• 持续训练：从MLSD 1.0恢复训练，并使用A100 80G GPU进行了200小时的持续训练。

更多信息

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

📄 许可证

本模型使用CreativeML OpenRAIL M许可证。该许可证是一种Open RAIL M许可证，改编自BigScience和RAIL Initiative在负责任的AI许可领域的共同工作。另见关于BLOOM Open RAIL许可证的文章，本许可证基于该文章。