/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
stable-diffusion-xl-base-1.0
Опубликована
13 авг 2023

controlnet-openpose-sdxl-1.0

Генерация изображений3 профессии

thibaud/controlnet-openpose-sdxl-1.0 — это набор весов ControlNet, опубликованный под идентификатором thibaud и обученный для совместной работы с базовой моделью stabilityai/stable-diffusion-xl-base-1.0.

57 628скачиваний за 30 дней439лайковвеса обновлены3 сен 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

Модель использует сигналы управления OpenPose v2 и предназначена для генерации изображений по текстовому описанию с сохранением заданной позы человека или композиции скелета. Она рассчитана на применение в экосистеме Hugging Face Diffusers и совместима с StableDiffusionXLControlNetPipeline.

Ключевая сильная сторона модели — управляемая генерация персонажей и сцен по OpenPose-разметке, что подходит для задач вроде создания изображений танцоров, персонажей в определённых позах и визуальных вариаций с фиксированной композицией тела. В README не указаны точный размер модели, поддерживаемые языки, максимальная длина текстового контекста и результаты количественной оценки. Для работы требуется отдельно получить изображение позы с помощью OpenPose, а также использовать базовую SDXL-модель; качество зависит от корректности conditioning-изображения и текстового запроса. Обучение проводилось в течение 15 000 шагов на LAION 6a с использованием одной NVIDIA A100, batch size 2 с накоплением градиента 8, постоянной скоростью обучения 8e-5 и смешанной точностью fp16. Лицензия указана как other и ссылается на лицензию OpenPose.

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: OpenPose (v2)

These are controlnet weights trained on stabilityai/stable-diffusion-xl-base-1.0 with OpenPose (v2) conditioning. You can find some example images in the following.

prompt: a ballerina, romantic sunset, 4k photo images_0)

Comfy Workflow

images_0)

(Image is from ComfyUI, you can drag and drop in Comfy to use it as workflow)

License: refers to the OpenPose's one.

Using in 🧨 diffusers

First, install all the libraries:

pip install -q controlnet_aux transformers accelerate
pip install -q git+https://github.com/huggingface/diffusers

Now, we're ready to make Darth Vader dance:

from diffusers import AutoencoderKL, StableDiffusionXLControlNetPipeline, ControlNetModel, UniPCMultistepScheduler
import torch
from controlnet_aux import OpenposeDetector
from diffusers.utils import load_image


# Compute openpose conditioning image.
openpose = OpenposeDetector.from_pretrained("lllyasviel/ControlNet")

image = load_image(
    "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/diffusers/person.png"
)
openpose_image = openpose(image)

# Initialize ControlNet pipeline.
controlnet = ControlNetModel.from_pretrained("thibaud/controlnet-openpose-sdxl-1.0", torch_dtype=torch.float16)
pipe = StableDiffusionXLControlNetPipeline.from_pretrained(
    "stabilityai/stable-diffusion-xl-base-1.0", controlnet=controlnet, torch_dtype=torch.float16
)
pipe.enable_model_cpu_offload()


# Infer.
prompt = "Darth vader dancing in a desert, high quality"
negative_prompt = "low quality, bad quality"
images = pipe(
    prompt, 
    negative_prompt=negative_prompt,
    num_inference_steps=25,
    num_images_per_prompt=4,
    image=openpose_image.resize((1024, 1024)),
    generator=torch.manual_seed(97),
).images
images[0]

Here are some gemerated examples:

Training

Use of the training script by HF🤗 here.

Training data

This checkpoint was first trained for 15,000 steps on laion 6a resized to a max minimum dimension of 768.

Compute

one 1xA100 machine (Thanks a lot HF🤗 to provide the compute!)

Batch size

Data parallel with a single gpu batch size of 2 with gradient accumulation 8.

Hyper Parameters

Constant learning rate of 8e-5

Mixed precision

fp16

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

ControlNetModel управляет генерацией по входной картинке (поза, глубина, контуры): такой ввод пока не поддерживается.

Ревизия весов
1db673e

0 моделей