/ Модель

Характеристики

Лицензия
OpenRAIL++
Базовая модель
stable-diffusion-v1-5
Опубликована
1 авг 2023

controlnet-canny-sdxl-1.0

Генерация изображений3 профессии

diffusers/controlnet-canny-sdxl-1.0 — модель ControlNet для управляемой генерации изображений, опубликованная в экосистеме Hugging Face Diffusers и обученная на базе Stable Diffusion XL Base 1.0 от Stability AI.

34 660скачиваний за 30 дней536лайковвеса обновлены19 сен 2023

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображения» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

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

Она использует conditioning по контурам Canny, поэтому предназначена для генерации изображений по текстовому описанию с сохранением структуры и границ объектов на входном изображении.

Модель подходит для сценариев text-to-image с контролем композиции: создания фотореалистичных сцен, интерьеров, персонажей, пейзажей и других изображений при наличии карты контуров. Для работы используется StableDiffusionXLControlNetPipeline; входное изображение предварительно преобразуется оператором Canny. В README рекомендован controlnet_conditioning_scale 0.5, а также приведён пример работы в формате FP16 с выгрузкой части вычислений на CPU.

Веса обучались в два этапа по 20 000 шагов на данных LAION 6A: сначала на изображениях с минимальным размером 384 пикселя, затем на высоком разрешении до 1024 пикселей с фильтрацией изображений не менее 1024 пикселей. Обучение проводилось на одной машине с 8 GPU A100, с общим batch size 64 и смешанной точностью FP16. README не указывает языковые ограничения, точный размер параметров или отдельные поддерживаемые модальности; модель предназначена для изображений и текстовых промптов.

Лицензия указана как OpenRAIL++. Для использования требуется базовая модель Stable Diffusion XL Base 1.0 и совместимые компоненты Diffusers. Качество и точность следования структуре зависят от качества карты Canny, промпта и выбранной силы conditioning; модель не является самостоятельной текстовой или мультимодальной системой.

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

SDXL-controlnet: Canny

These are controlnet weights trained on stabilityai/stable-diffusion-xl-base-1.0 with canny conditioning. You can find some example images in the following.

prompt: a couple watching a romantic sunset, 4k photo images_0)

prompt: ultrarealistic shot of a furry blue bird images_1)

prompt: a woman, close up, detailed, beautiful, street photography, photorealistic, detailed, Kodak ektar 100, natural, candid shot images_2)

prompt: Cinematic, neoclassical table in the living room, cinematic, contour, lighting, highly detailed, winter, golden hour images_3)

prompt: a tornado hitting grass field, 1980's film grain. overcast, muted colors. images_0)

Usage

Make sure to first install the libraries:

pip install accelerate transformers safetensors opencv-python diffusers

And then we're ready to go:

from diffusers import ControlNetModel, StableDiffusionXLControlNetPipeline, AutoencoderKL
from diffusers.utils import load_image
from PIL import Image
import torch
import numpy as np
import cv2

prompt = "aerial view, a futuristic research complex in a bright foggy jungle, hard lighting"
negative_prompt = 'low quality, bad quality, sketches'

image = load_image("https://huggingface.co/datasets/hf-internal-testing/diffusers-images/resolve/main/sd_controlnet/hf-logo.png")

controlnet_conditioning_scale = 0.5  # recommended for good generalization

controlnet = ControlNetModel.from_pretrained(
    "diffusers/controlnet-canny-sdxl-1.0",
    torch_dtype=torch.float16
)
vae = AutoencoderKL.from_pretrained("madebyollin/sdxl-vae-fp16-fix", torch_dtype=torch.float16)
pipe = StableDiffusionXLControlNetPipeline.from_pretrained(
    "stabilityai/stable-diffusion-xl-base-1.0",
    controlnet=controlnet,
    vae=vae,
    torch_dtype=torch.float16,
)
pipe.enable_model_cpu_offload()

image = np.array(image)
image = cv2.Canny(image, 100, 200)
image = image[:, :, None]
image = np.concatenate([image, image, image], axis=2)
image = Image.fromarray(image)

images = pipe(
    prompt, negative_prompt=negative_prompt, image=image, controlnet_conditioning_scale=controlnet_conditioning_scale,
    ).images

images[0].save(f"hug_lab.png")

images_10)

To more details, check out the official documentation of StableDiffusionXLControlNetPipeline.

Training

Our training script was built on top of the official training script that we provide here.

Training data

This checkpoint was first trained for 20,000 steps on laion 6a resized to a max minimum dimension of 384. It was then further trained for 20,000 steps on laion 6a resized to a max minimum dimension of 1024 and then filtered to contain only minimum 1024 images. We found the further high resolution finetuning was necessary for image quality.

Compute

one 8xA100 machine

Batch size

Data parallel with a single gpu batch size of 8 for a total batch size of 64.

Hyper Parameters

Constant learning rate of 1e-4 scaled by batch size for total learning rate of 64e-4

Mixed precision

fp16

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
eb115a1

0 моделей