Sd Controlnet Openpose

🚀 Controlnet - 人体姿态版本

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人体姿态估计的 ControlNet，可与 Stable Diffusion 结合使用。

🚀 快速开始

本模型可与 Stable Diffusion v1 - 5 结合使用。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）配合使用。

若要处理图像以创建辅助条件，需要安装外部依赖，步骤如下：

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

$ pip install controlnet_aux

2. 安装 diffusers 及相关包：

$ pip install diffusers transformers accelerate

3. 运行代码：

from PIL import Image
from diffusers import StableDiffusionControlNetPipeline, ControlNetModel, UniPCMultistepScheduler
import torch
from controlnet_aux import OpenposeDetector
from diffusers.utils import load_image

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

image = load_image("https://huggingface.co/lllyasviel/sd-controlnet-openpose/resolve/main/images/pose.png")

image = openpose(image)

controlnet = ControlNetModel.from_pretrained(
    "lllyasviel/sd-controlnet-openpose", torch_dtype=torch.float16
)

pipe = StableDiffusionControlNetPipeline.from_pretrained(
    "runwayml/stable-diffusion-v1-5", controlnet=controlnet, safety_checker=None, torch_dtype=torch.float16
)

pipe.scheduler = UniPCMultistepScheduler.from_config(pipe.scheduler.config)

# Remove if you do not have xformers installed
# see https://huggingface.co/docs/diffusers/v0.13.0/en/optimization/xformers#installing-xformers
# for installation instructions
pipe.enable_xformers_memory_efficient_attention()

pipe.enable_model_cpu_offload()

image = pipe("chef in the kitchen", image, num_inference_steps=20).images[0]

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

✨ 主要特性

ControlNet 能够控制预训练的大型扩散模型，以支持额外的输入条件。它可以端到端地学习特定任务的条件，即使在训练数据集较小（< 50k）的情况下，学习过程也很稳健。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，该模型也可以扩展到处理大量（数百万到数十亿）的数据。

📦 安装指南

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

$ pip install controlnet_aux

2. 安装 diffusers 及相关包：

$ pip install diffusers transformers accelerate

💻 使用示例

基础用法

from PIL import Image
from diffusers import StableDiffusionControlNetPipeline, ControlNetModel, UniPCMultistepScheduler
import torch
from controlnet_aux import OpenposeDetector
from diffusers.utils import load_image

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

image = load_image("https://huggingface.co/lllyasviel/sd-controlnet-openpose/resolve/main/images/pose.png")

image = openpose(image)

controlnet = ControlNetModel.from_pretrained(
    "lllyasviel/sd-controlnet-openpose", torch_dtype=torch.float16
)

pipe = StableDiffusionControlNetPipeline.from_pretrained(
    "runwayml/stable-diffusion-v1-5", controlnet=controlnet, safety_checker=None, torch_dtype=torch.float16
)

pipe.scheduler = UniPCMultistepScheduler.from_config(pipe.scheduler.config)

# Remove if you do not have xformers installed
# see https://huggingface.co/docs/diffusers/v0.13.0/en/optimization/xformers#installing-xformers
# for installation instructions
pipe.enable_xformers_memory_efficient_attention()

pipe.enable_model_cpu_offload()

image = pipe("chef in the kitchen", image, num_inference_steps=20).images[0]

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

📚 详细文档

模型详情

@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}
  }

简介

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 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，该模型可以扩展到处理大量（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 ControlNets 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，并进一步推动相关应用的发展。

已发布的检查点

作者发布了 8 个不同的检查点，每个检查点都基于 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/sd - controlnet - 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/sd - controlnet - depth 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。
lllyasviel/sd - controlnet - hed 使用 HED 边缘检测（软边缘）进行训练	黑色背景上带有白色软边缘的单色图像。
lllyasviel/sd - controlnet - mlsd 使用 M - LSD 线检测进行训练	黑色背景上仅由白色直线组成的单色图像。
lllyasviel/sd - controlnet - normal 使用法线贴图进行训练	法线贴图 图像。
lllyasviel/sd - controlnet_openpose 使用 OpenPose 骨骼图像进行训练	[OpenPose 骨骼](https://github.com/CMU - Perceptual - Computing - Lab/openpose) 图像。
lllyasviel/sd - controlnet_scribble 使用人类涂鸦进行训练	黑色背景上带有白色轮廓的手绘单色图像。
lllyasviel/sd - controlnet_seg 使用语义分割进行训练	ADE20K 的分割协议图像。

训练

Openpose 模型在 200k 个姿态图像 - 字幕对上进行训练。姿态估计图像使用 Openpose 生成。该模型以 Stable Diffusion 1.5 为基础模型，使用 Nvidia A100 80G 进行了 300 GPU 小时的训练。

博客文章

如需更多信息，请查看 ControlNet 官方博客文章。

🔧 技术细节

Openpose 模型在 200k 个姿态图像 - 字幕对上进行训练。姿态估计图像使用 Openpose 生成。该模型以 Stable Diffusion 1.5 为基础模型，使用 Nvidia A100 80G 进行了 300 GPU 小时的训练。

📄 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 在负责任的人工智能许可领域的联合工作。另见 关于 BLOOM Open RAIL 许可证的文章，本许可证基于该文章。

⚠️ 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。

💡 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。