/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
diffusers
Опубликована
30 июл 2024

SD3-Controlnet-Inpainting

Генерация изображенийТекст → изображение3 профессии

Дообученная на базе Stable Diffusion 3 Medium модель ControlNet для заполнения замаскированных областей изображения по текстовому запросу.

233скачиваний за 30 дней43лайкавеса обновлены14 авг 2024

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

alimama-creative/SD3-Controlnet-Inpainting — дообученная модель ControlNet для редактирования изображений по маске, основанная на Stable Diffusion 3 Medium. Она принимает текстовое описание и изображение с областью для заполнения, чтобы генерировать содержимое в замаскированной части и сохранять детали за её пределами. Модель работает с разрешением 1024×1024 и использует 16-канальный VAE SD3; заявлены генерация текста внутри заполняемой области и хорошие результаты для портретов.

Модель обучали 20 тысяч шагов на изображениях LAION-2B и внутренних данных, используя Flow Matching и FP16. Она предназначена для inpainting-сценариев через библиотеку Diffusers. Лучше всего работает при разрешении 1024×1024; на других размерах результаты могут быть хуже. Репозиторий распространяется по лицензии с меткой other, конкретные условия лицензии следует проверять отдельно.

Сценарии применения

  • замена или добавление объекта в выделенной области изображения
  • восстановление удалённых частей фотографии по текстовому описанию
  • дорисовка фона с сохранением немаскированных деталей
  • добавление текста в замаскированную область изображения
  • редактирование портретов с помощью маски и текстового запроса

Ограничения

Модель лучше всего работает при разрешении 1024×1024; при других размерах результаты могут быть хуже. Указана лицензия other, поэтому перед использованием нужно проверить её конкретные условия.

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

Updates

✨🎉 This model has been merged into Diffusers and can now be used conveniently. 💡 🎉✨

Examples

SD3

bucket_alibaba

SD3 Controlnet Inpainting

Finetuned controlnet inpainting model based on sd3-medium, the inpainting model offers several advantages:

  • Leveraging the SD3 16-channel VAE and high-resolution generation capability at 1024, the model effectively preserves the integrity of non-inpainting regions, including text.

  • It is capable of generating text through inpainting.

  • It demonstrates superior aesthetic performance in portrait generation.

Compared with SDXL-Inpainting

From left to right: Input image, Masked image, SDXL inpainting, Ours.

0

1

2

3

4

Using with Diffusers

Install from source and Run

pip uninstall diffusers
pip install git+https://github.com/huggingface/diffusers
import torch
from diffusers.utils import load_image, check_min_version
from diffusers.pipelines import StableDiffusion3ControlNetInpaintingPipeline
from diffusers.models.controlnet_sd3 import SD3ControlNetModel

controlnet = SD3ControlNetModel.from_pretrained(
    "alimama-creative/SD3-Controlnet-Inpainting", use_safetensors=True, extra_conditioning_channels=1
)
pipe = StableDiffusion3ControlNetInpaintingPipeline.from_pretrained(
    "stabilityai/stable-diffusion-3-medium-diffusers",
    controlnet=controlnet,
    torch_dtype=torch.float16,
)
pipe.text_encoder.to(torch.float16)
pipe.controlnet.to(torch.float16)
pipe.to("cuda")

image = load_image(
    "https://huggingface.co/alimama-creative/SD3-Controlnet-Inpainting/resolve/main/images/dog.png"
)
mask = load_image(
    "https://huggingface.co/alimama-creative/SD3-Controlnet-Inpainting/resolve/main/images/dog_mask.png"
)
width = 1024
height = 1024
prompt = "A cat is sitting next to a puppy."
generator = torch.Generator(device="cuda").manual_seed(24)
res_image = pipe(
    negative_prompt="deformed, distorted, disfigured, poorly drawn, bad anatomy, wrong anatomy, extra limb, missing limb, floating limbs, mutated hands and fingers, disconnected limbs, mutation, mutated, ugly, disgusting, blurry, amputation, NSFW",
    prompt=prompt,
    height=height,
    width=width,
    control_image=image,
    control_mask=mask,
    num_inference_steps=28,
    generator=generator,
    controlnet_conditioning_scale=0.95,
    guidance_scale=7,
).images[0]
res_image.save(f"sd3.png")

Training Detail

The model was trained on 12M laion2B and internal source images for 20k steps at resolution 1024x1024.

  • Mixed precision : FP16
  • Learning rate : 1e-4
  • Batch size : 192
  • Timestep sampling mode : 'logit_normal'
  • Loss : Flow Matching

Limitation

Due to the fact that only 1024*1024 pixel resolution was used during the training phase, the inference performs best at this size, with other sizes yielding suboptimal results. We will initiate multi-resolution training in the future, and at that time, we will open-source the new weights.

LICENSE

The model is based on SD3 finetuning; therefore, the license follows the original SD3 license.

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Генеративная модель выложена не в формате diffusers.

Ревизия весов
c676336

0 моделей