Sd Controlnet Canny

🚀 Controlnet - Canny版本

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。此检查点对应于基于Canny边缘的ControlNet，可与Stable Diffusion结合使用。

🚀 快速开始

本项目的ControlNet模型可与Stable Diffusion结合使用，以下是使用该模型生成图像的快速开始步骤：

1. 安装必要的依赖库，如opencv、diffusers等。
2. 运行示例代码，即可根据输入的图像和提示词生成图像。

✨ 主要特性

• 条件控制：ControlNet能够为预训练的大型扩散模型添加额外的输入条件，如边缘图、分割图、关键点等，从而实现对图像生成过程的精细控制。
• 高效训练：训练ControlNet的速度与微调扩散模型相当，即使在小数据集（少于50k）上也能实现稳健学习，并且可以在个人设备上进行训练。
• 多模型适配：该模型可以与多种扩散模型结合使用，如Stable Diffusion，具有良好的通用性和扩展性。

📦 安装指南

若要使用本模型，需要安装一些外部依赖库：

1. 安装opencv：

$ pip install opencv-contrib-python

2. 安装diffusers及相关包：

$ pip install diffusers transformers accelerate

💻 使用示例

基础用法

import cv2
from PIL import Image
from diffusers import StableDiffusionControlNetPipeline, ControlNetModel, UniPCMultistepScheduler
import torch
import numpy as np
from diffusers.utils import load_image

image = load_image("https://huggingface.co/lllyasviel/sd-controlnet-hed/resolve/main/images/bird.png")
image = np.array(image)

low_threshold = 100
high_threshold = 200

image = cv2.Canny(image, low_threshold, high_threshold)
image = image[:, :, None]
image = np.concatenate([image, image, image], axis=2)
image = Image.fromarray(image)

controlnet = ControlNetModel.from_pretrained(
    "lllyasviel/sd-controlnet-canny", 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("bird", image, num_inference_steps=20).images[0]

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

高级用法

示例代码展示了如何使用Canny边缘检测生成图像，你可以根据需要调整输入图像、提示词和模型参数，以实现不同的图像生成效果。

📚 详细文档

模型详情

• 开发者：Lvmin Zhang, Maneesh Agrawala
• 模型类型：基于扩散的文本到图像生成模型
• 语言：英文
• 许可证：The CreativeML OpenRAIL M license 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。有关许可证的详细信息，请参阅 关于BLOOM Open RAIL许可证的文章。
• 更多信息资源：GitHub仓库，论文。
• 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}
}

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能够以端到端的方式学习特定任务的条件，即使在训练数据集较小（少于50k）的情况下，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。如果有强大的计算集群，该模型也可以处理大量（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，并进一步推动相关应用的发展。

发布的检查点

作者发布了8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/sd-controlnet-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/sd-controlnet-depth 基于Midas深度估计训练	黑色代表深区域，白色代表浅区域的灰度图像。
lllyasviel/sd-controlnet-hed 基于HED边缘检测（软边缘）训练	黑色背景上带有白色软边缘的单色图像。
lllyasviel/sd-controlnet-mlsd 基于M-LSD线检测训练	黑色背景上仅由白色直线组成的单色图像。
lllyasviel/sd-controlnet-normal 基于法线贴图训练	法线贴图 图像。
lllyasviel/sd-controlnet_openpose 基于OpenPose骨骼图像训练	OpenPose骨骼 图像。
lllyasviel/sd-controlnet_scribble 基于人工涂鸦训练	黑色背景上带有白色轮廓的手绘单色图像。
lllyasviel/sd-controlnet_seg 基于语义分割训练	ADE20K 的分割协议图像。

训练信息

Canny边缘模型在300万个边缘图像-标题对的数据集上进行训练。该模型以Stable Diffusion 1.5为基础模型，使用Nvidia A100 80G GPU进行了600小时的训练。

博客文章

如需了解更多信息，请查看 ControlNet官方博客文章。

🔧 技术细节

本项目的Canny边缘模型基于Stable Diffusion 1.5进行训练，通过添加额外的ControlNet结构，实现对图像生成过程的条件控制。模型在训练过程中使用了大量的边缘图像-标题对数据，以学习不同边缘特征与图像生成之间的关系。在推理阶段，模型可以根据输入的图像和提示词，生成具有特定边缘特征的图像。

📄 许可证

本项目使用 The CreativeML OpenRAIL M license 许可证，有关许可证的详细信息，请参阅 关于BLOOM Open RAIL许可证的文章。