/ Модель

Характеристики

Размер весов
5,3 МБ
Лицензия
Своя лицензия
Библиотека
tensorrt
Опубликована
7 авг 2025

stable-diffusion-3.5-controlnets-tensorrt

Генерация изображенийТекст → изображение3 профессии

TensorRT-оптимизированные ONNX ControlNet-модели Stable Diffusion 3.5 Large для генерации изображений по тексту с управлением по контурам, глубине или размытым изображением.

234скачиваний за 30 дней9лайковвеса обновлены20 окт 2025

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

Это набор ONNX-моделей ControlNet для Stable Diffusion 3.5 Large, подготовленный Stability AI совместно с NVIDIA и оптимизированный для инференса с TensorRT. Базовая модель — мультимодальный диффузионный трансформер MMDiT для генерации изображений по тексту; ControlNet добавляет управление структурой или деталями по входному изображению. Доступны варианты Canny, Depth и Blur.

Модели предназначены для генерации изображений с заданной структурой по карте границ Canny или карте глубины, а также для высокоточного увеличения разрешения с помощью Blur ControlNet. Примеры применения включают создание иллюстраций по контурам, архитектурных визуализаций по глубине и текстурирование 3D-объектов. Репозиторий содержит ONNX-экспорт в BF16; для Depth и Canny также доступны FP8-варианты. В README приведены замеры на NVIDIA H100 при разрешении 1024×1024.

Для работы требуется TensorRT и совместимый ускоритель NVIDIA; приведённые показатели производительности относятся к H100 и конкретным настройкам шагов генерации. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория и базовой модели.

Сценарии применения

  • генерация иллюстраций по карте границ Canny
  • создание изображений по карте глубины
  • подготовка архитектурных визуализаций по глубине
  • текстурирование 3D-объектов по карте глубины
  • высокоточное увеличение разрешения изображений с Blur ControlNet

Ограничения

Для инференса необходимы TensorRT и совместимый ускоритель NVIDIA; приведённые замеры относятся к H100. Условия лицензии обозначены как other и требуют проверки перед использованием.

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

Stable Diffusion 3.5 Large ControlNet TensorRT

Introduction

This repository hosts the TensorRT-optimized version of Stable Diffusion 3.5 Large ControlNets, developed in collaboration between Stability AI and NVIDIA. This implementation leverages NVIDIA's TensorRT deep learning inference library to deliver significant performance improvements while maintaining the exceptional image quality of the original model.

Stable Diffusion 3.5 Large is a Multimodal Diffusion Transformer (MMDiT) text-to-image model that features improved performance in image quality, typography, complex prompt understanding, and resource-efficiency. The TensorRT optimization makes these capabilities accessible for production deployment and real-time applications.

The following control types are available:

  • Canny - Use a Canny edge map to guide the structure of the generated image. This is especially useful for illustrations, but works with all styles.

  • Depth - use a depth map, generated by DepthFM, to guide generation. Some example use cases include generating architectural renderings, or texturing 3D assets.

  • Blur - can be used to perform extremely high fidelity upscaling. A common use case is to tile an input image, apply the ControlNet to each tile, and merge the tiles to produce a higher resolution image.

Model Details

Model Description

This repository holds the ONNX export of the Depth, Canny and Blue ControlNet models in BF16 precision. The FP8 quantized models are also available for the Depth and Canny Controlnets.

Performance using TensorRT 10.13

Depth ControlNet: Timings for 40 steps at 1024x1024

AcceleratorPrecisionVAE EncoderCLIP-GCLIP-LT5MMDiT x 40VAE DecoderTotal
H100BF1674.97 ms11.87 ms4.90 ms8.82 ms18839.01 ms117.38 ms19097.19 ms
H100FP831.24 ms11.99 ms4.96 ms8.39 ms9175.53 ms36.36 ms9308.86 ms

Canny ControlNet: Timings for 60 steps at 1024x1024

AcceleratorPrecisionVAE EncoderCLIP-GCLIP-LT5MMDiT x 60VAE DecoderTotal
H100BF1678.50 ms12.29 ms5.08 ms8.65 ms28057.08 ms106.49 ms28306.20 ms
H100FP831.21 ms12.17 ms4.96 ms8.35 ms13936.82 ms36.63 ms14068.32 ms

Blur ControlNet: Timings for 60 steps at 1024x1024

AcceleratorPrecisionVAE EncoderCLIP-GCLIP-LT5MMDiT x 60VAE DecoderTotal
H100BF1674.48 ms11.71 ms4.86 ms8.80 ms28604.26 ms113.24 ms28859.06 ms

Usage Example

  1. Follow the setup instructions on launching a TensorRT NGC container.
git clone https://github.com/NVIDIA/TensorRT.git
cd TensorRT
git checkout release/sd35
docker run --rm -it --gpus all -v $PWD:/workspace nvcr.io/nvidia/pytorch:25.08-py3 /bin/bash
  1. Install libraries and requirements
cd demo/Diffusion
source setup.sh
  1. Generate HuggingFace user access token To download model checkpoints for the Stable Diffusion 3.5 checkpoints, please request access on theStable Diffusion 3.5 Large, Stable Diffusion 3.5 Large Depth ControlNet, Stable Diffusion 3.5 Large Canny ControlNet, and Stable Diffusion 3.5 Large Blur ControlNet pages. You will then need to obtain a read access token to HuggingFace Hub and export as shown below. See instructions.
export HF_TOKEN=<your access token>
  1. Perform TensorRT optimized inference:
  • Stable Diffusion 3.5 Large Depth ControlNet in BF16 precision

    python3 demo_controlnet_sd35.py \
      "a photo of a man" \
      --version=3.5-large \
      --bf16 \
      --controlnet-type depth \
      --download-onnx-models \
      --denoising-steps=40 \
      --guidance-scale 4.5 \
      --build-static-batch \
      --use-cuda-graph \
      --hf-token=$HF_TOKEN
    
  • Stable Diffusion 3.5 Large Depth ControlNet in FP8 precision

    python3 demo_controlnet_sd35.py \
      "a photo of a man" \
      --version=3.5-large \
      --fp8 \
      --controlnet-type depth \
      --download-onnx-models \
      --denoising-steps=40 \
      --guidance-scale 4.5 \
      --build-static-batch \
      --use-cuda-graph \
      --hf-token=$HF_TOKEN
    
  • Stable Diffusion 3.5 Large Canny ControlNet in BF16 precision

    python3 demo_controlnet_sd35.py \
      "A Night time photo taken by Leica M11, portrait of a Japanese woman in a kimono, looking at the camera, Cherry blossoms" \
      --version=3.5-large \
      --bf16 \
      --controlnet-type canny \
      --download-onnx-models \
      --denoising-steps=60 \
      --guidance-scale 3.5 \
      --build-static-batch \
      --use-cuda-graph \
      --hf-token=$HF_TOKEN
    
  • Stable Diffusion 3.5 Large Canny ControlNet in FP8 precision

    python3 demo_controlnet_sd35.py \
      "A Night time photo taken by Leica M11, portrait of a Japanese woman in a kimono, looking at the camera, Cherry blossoms" \
      --version=3.5-large \
      --fp8 \
      --controlnet-type canny \
      --download-onnx-models \
      --denoising-steps=60 \
      --guidance-scale 3.5 \
      --build-static-batch \
      --use-cuda-graph \
      --hf-token=$HF_TOKEN
    
  • Stable Diffusion 3.5 Large Blur ControlNet in BF16 precision

    python3 demo_controlnet_sd35.py \
      "generated ai art, a tiny, lost rubber ducky in an action shot close-up, surfing the humongous waves, inside the tube, in the style of Kelly Slater" \
      --version=3.5-large \
      --bf16 \
      --controlnet-type blur \
      --download-onnx-models \
      --denoising-steps=60 \
      --guidance-scale 3.5 \
      --build-static-batch \
      --use-cuda-graph \
      --hf-token=$HF_TOKEN
    

Как запустить

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

GPU в ailist

Универсальный рантайм · tensorrt

Нельзя запустить

Генеративная модель выложена не в формате diffusers.

Ревизия весов
58d2da7

0 моделей