/ Модель

Характеристики

Лицензия
CreativeML OpenRAIL-M
Базовая модель
stable-diffusion-v1-5
Опубликована
13 мая 2023

controlnet-hands

Генерация изображенийТекст → изображение3 профессии

ControlNet на базе Stable Diffusion 1.5 для генерации и дорисовки изображений рук по ориентирам MediaPipe и текстовому описанию.

9скачиваний за 30 дней30лайковвеса обновлены19 мая 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

vllab/controlnet-hands — модель ControlNet, обученная разработчиками на базе runwayml/stable-diffusion-v1-5 для генерации изображений рук по управляющим ориентирам MediaPipe. Она принимает текстовое описание и изображение с закодированными ориентирами рук и может применяться как самостоятельно, так и для дорисовки частей изображения. Для обучения использован набор HaGRID из 130 тысяч изображений; цветовое кодирование ориентиров предназначено для передачи информации о левизне или правизне руки. Модель распространяется в формате Diffusers/PyTorch по лицензии CreativeML OpenRAIL-M.

Модель нацелена на более реалистичные положения рук и форму пальцев, снижая распространённые ошибки генерации. В README отмечено, что закодированный вариант ориентиров показал лучшие результаты при небольшом числе шагов обучения, чем стандартные ориентиры MediaPipe. Качество обработки ориентиров MediaPipe Holistic на частично обрезанных изображениях было неудовлетворительным; авторы считают, что подход можно улучшить обучением на более крупных и разнообразных данных.метadata

Сценарии применения

  • генерация реалистичных рук по скелетным ориентирам
  • управление позой и положением пальцев в изображении
  • дорисовка рук на существующем изображении
  • различение левой и правой руки при генерации

Ограничения

Модель может ошибаться в реалистичности положения рук и отдельных пальцев; качество зависит от ориентиров MediaPipe. В README отмечены проблемы MediaPipe Holistic с частично обрезанными изображениями.

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

Model Description

As Stable diffusion and other diffusion models are notoriously poor at generating realistic hands for our project we decided to train a ControlNet model using MediaPipes landmarks in order to generate more realistic hands avoiding common issues such as unrealistic positions and irregular digits.

We opted to use the HAnd Gesture Recognition Image Dataset and MediaPipe's Hand Landmarker to train a control net that could potentially be used independently or as an in-painting tool.

Preprocess

To preprocess the data there were three options we considered:

  • The first was to use Mediapipes built-in draw landmarks function. This was an obvious first choice however we noticed with low training steps that the model couldn't easily distinguish handedness and would often generate the wrong hand for the conditioning image.
  • To counter this issue we changed the palm landmark colors with the intention to keep the color similar in order to learn that they provide similar information, but different to make the model know which hands were left or right.
  • The last option was to use MediaPipe Holistic to provide pose face and hand landmarks to the ControlNet. This method was promising in theory, however, the HaGRID dataset was not suitable for this method as the Holistic model performs poorly with partial body and obscurely cropped images.

We anecdotally determined that when trained at lower steps the encoded hand model performed better than the standard MediaPipe model due to implied handedness. We theorize that with a larger dataset of more full-body hand and pose classifications, Holistic landmarks will provide the best images in the future however for the moment the hand-encoded model performs best. This repo contain the weight of ControlNet Hands model

Dataset

130k image Dataset for Hand Encoding Mode

Examples

These are controlnet weights trained on runwayml/stable-diffusion-v1-5 with new type of conditioning. You can find some example images in the following.

prompt: a man in a colorful shirt giving a peace sign in front of a rallying crowd images_0) prompt: a police officer signaling someone to stop in a park images_1)

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Пайплайн StableDiffusionControlNetPipeline требует картинку на входе: такой ввод пока не поддерживается.

Ревизия весов
a98aae5

0 моделей