/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
stable-diffusion-v1-5
Опубликована
14 июл 2023

t2iadapter_depth_sd15v2

Преобразование изображенийИзображение, текст → изображение3 профессии

Адаптер для Stable Diffusion 1.5, который использует карту глубины для управления композицией генерируемого изображения по текстовому запросу.

692скачиваний за 30 дней4лайкавеса обновлены31 июл 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

TencentARC/t2iadapter_depth_sd15v2 — адаптер T2I-Adapter для генерации изображений на основе Stable Diffusion 1.5. Он добавляет к текстовому запросу условие по карте глубины, помогая задавать пространственную структуру и расположение объектов в результате. Разработан авторами работы T2I-Adapter: Learning Adapters to Dig out More Controllable Ability for Text-to-Image Diffusion Models.

Модель предназначена для использования вместе с базовой моделью runwayml/stable-diffusion-v1-5 и принимает текстовый запрос и изображение с картой глубины, выдавая сгенерированное изображение. Репозиторий содержит веса PyTorch; лицензия — Apache 2.0. В карточке указан английский язык.

Для работы требуется совместимая базовая модель Stable Diffusion 1.5 и карта глубины. Адаптер управляет генерацией через пространственное условие, но сам по себе не заменяет базовую модель.

Сценарии применения

  • генерация изображения по текстовому описанию с заданной глубиной сцены
  • сохранение пространственной структуры исходной сцены при генерации
  • управление расположением объектов в изображении с помощью карты глубины

Ограничения

Требует совместимую базовую модель Stable Diffusion 1.5 и карту глубины. Карточка не приводит количественных оценок качества или подробных ограничений применения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

T2I Adapter - Depth

T2I Adapter is a network providing additional conditioning to stable diffusion. Each t2i checkpoint takes a different type of conditioning as input and is used with a specific base stable diffusion checkpoint.

This checkpoint provides conditioning on depth for the stable diffusion 1.5 checkpoint.

Model Details

  • Developed by: T2I-Adapter: Learning Adapters to Dig out More Controllable Ability for Text-to-Image Diffusion Models

  • Model type: Diffusion-based text-to-image generation model

  • Language(s): English

  • License: Apache 2.0

  • Resources for more information: GitHub Repository, Paper.

  • Cite as:

    @misc{ title={T2I-Adapter: Learning Adapters to Dig out More Controllable Ability for Text-to-Image Diffusion Models}, author={Chong Mou, Xintao Wang, Liangbin Xie, Yanze Wu, Jian Zhang, Zhongang Qi, Ying Shan, Xiaohu Qie}, year={2023}, eprint={2302.08453}, archivePrefix={arXiv}, primaryClass={cs.CV} }

Checkpoints

Model NameControl Image OverviewControl Image ExampleGenerated Image Example
TencentARC/t2iadapter_color_sd14v1 Trained with spatial color paletteA image with 8x8 color palette.
TencentARC/t2iadapter_canny_sd14v1 Trained with canny edge detectionA monochrome image with white edges on a black background.
TencentARC/t2iadapter_sketch_sd14v1 Trained with PidiNet edge detectionA hand-drawn monochrome image with white outlines on a black background.
TencentARC/t2iadapter_depth_sd14v1 Trained with Midas depth estimationA grayscale image with black representing deep areas and white representing shallow areas.
TencentARC/t2iadapter_openpose_sd14v1 Trained with OpenPose bone imageA OpenPose bone image.
TencentARC/t2iadapter_keypose_sd14v1 Trained with mmpose skeleton imageA mmpose skeleton image.
TencentARC/t2iadapter_seg_sd14v1Trained with semantic segmentationAn custom segmentation protocol image.
TencentARC/t2iadapter_canny_sd15v2
TencentARC/t2iadapter_depth_sd15v2
TencentARC/t2iadapter_sketch_sd15v2
TencentARC/t2iadapter_zoedepth_sd15v1

Example

  1. Dependencies
pip install diffusers transformers controlnet_aux
  1. Run code:
from controlnet_aux import MidasDetector
from PIL import Image
from diffusers import T2IAdapter, StableDiffusionAdapterPipeline
import torch

midas = MidasDetector.from_pretrained("lllyasviel/Annotators")

image = Image.open('./images/depth_input.png')

image = midas(image)

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

adapter = T2IAdapter.from_pretrained("TencentARC/t2iadapter_depth_sd15v2", torch_dtype=torch.float16)
pipe = StableDiffusionAdapterPipeline.from_pretrained(
    "runwayml/stable-diffusion-v1-5", adapter=adapter, safety_checker=None, torch_dtype=torch.float16, variant="fp16"
)

pipe.to('cuda')

generator = torch.Generator().manual_seed(1)

depth_out = pipe(prompt="storm trooper giving a speech", image=image, generator=generator).images[0]

depth_out.save('./images/depth_output.png')

depth_input depth depth_output

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Ревизия весов
9f96518

0 моделей