乐趣区

关于深度学习:使用ControlNet-控制-Stable-Diffusion

jiezi

本文将要介绍整合 HuggingFace 的 diffusers 包和 ControlNet 调节生成文本到图像，能够更好地管制文本到图像的生成

ControlNet 是一种通过增加额定条件来管制扩散模型的神经网络构造。它提供了一种加强稳固扩散的办法，在文本到图像生成过程中应用条件输出，如涂鸦、边缘映射、宰割映射、pose 关键点等。能够让生成的图像将更靠近输出图像，这比传统的图像到图像生成办法有了很大的改良。

ControlNet 模型能够在应用小数据集进行训练。而后整合任何预训练的稳固扩散模型来加强模型，来达到微调的目标。

  • ControNet 的初始版本带有以下预训练权重：
  • Canny edge — 彩色背景上带有红色边缘的单色图像。
  • Depth/Shallow areas — 灰度图像，彩色代表深区域，红色代表浅区域。
  • Normal map — 法线贴图图像。
  • Semantic segmentation map——ADE20K 的宰割图像。
  • HED edge — 彩色背景上带有红色软边缘的单色图像。
  • Scribbles — 彩色背景上带有红色轮廓的手绘单色涂鸦图像。
  • OpenPose（姿态关键点）— OpenPose 骨骼图像。
  • M-LSD — 仅由彩色背景上的红色直线组成的单色图像。

上面咱们开始进行整合：

设置

倡议在安装包之前创立一个新的虚拟环境。

diffusers

激活虚拟环境，执行以下命令:

 pip install diffusers

ControlNet 要求 diffusers>=0.14.0

accelerate

 pip install accelerate

本教程蕴含一些依赖于 accelerate>=0.17.0，须要应用上面命令装置最新版本:

 pip install git+https://github.com/huggingface/accelerate

opencv-python

为了简略起见，咱们应用 canny 边缘处理器，所以它须要 opencv-python 包。

Opencv-python 有 4 个不同的包。官网文档举荐应用 opencv-contrib-python 包，但也能够应用以下任何包进行:

  • opencv-python 主包
  • opencv-contrib-python - 完整包 (附带 contrib/ 额定模块)
  • opencv-python-headless - 没有 GUI 的主包
  • opencv-contrib-python-headless - 没有 GUI 的完整包

所以咱们这里应用完整包：

 pip install opencv-contrib-python

controlnet-aux

OpenPose 处理器须要 controlnet-aux 包。执行如下命令装置:

 pip install controlnet-aux

xformers(可选)

xformers 包能够进步了推理速度。最新版本为 PyTorch 1.13.1 提供了 pip wheels 反对。

 pip install -U xformers

conda 能够装置反对 torch1.12.1 或 torch1.13.1

 conda install xformers

好了，这里的环境就设置结束了

canny edge 图像生成

上面就是利用 canny edge ControlNet 进行图像生成。它须要一个精密的边缘图像作为输出。

创立一个名为 canny_inference.py 的新文件，并增加以下导入语句:

 import cv2
 import numpy as np
 from PIL import Image

而后，持续增加以下代码片段，从现有图像创立一个 canny edge 图像 

 import cv2
 import numpy as np
 from PIL import Image
 
 image = Image.open('input.png')
 image = np.array(image)
 
 low_threshold = 100
 high_threshold = 200
 
 image = cv2.Canny(image, low_threshold, high_threshold)
 image = image[:, :, None]
 image = np.concatenate([image, image, image], axis=2)
 canny_image = Image.fromarray(image)
 canny_image.save('canny.png')

保留文件后执行如下命令将图像转换为 canny edge 图像。

 python canny_inference.py

看看上面的例子:

下一步是应用方才生成的 canny 图像作为条件输出执行推理。

 import cv2
 import torch
 import numpy as np
 from PIL import Image
 from diffusers import StableDiffusionControlNetPipeline, ControlNetModel, DPMSolverMultistepScheduler

初始化 ControlNet 和 Stable Diffusion 管道 

 canny_image = Image.fromarray(image)
 # canny_image.save('canny.png')
 
 # for deterministic generation
 generator = torch.Generator(device='cuda').manual_seed(12345)
 controlnet = ControlNetModel.from_pretrained(
     "lllyasviel/sd-controlnet-canny",
     torch_dtype=torch.float16
 )
 pipe = StableDiffusionControlNetPipeline.from_pretrained(
     "runwayml/stable-diffusion-v1-5",
     controlnet=controlnet,
     torch_dtype=torch.float16
 )
 # change the scheduler
 pipe.scheduler = DPMSolverMultistepScheduler.from_config(pipe.scheduler.config)
 # enable xformers (optional), requires xformers installation
 pipe.enable_xformers_memory_efficient_attention()
 # cpu offload for memory saving, requires accelerate>=0.17.0
 pipe.enable_model_cpu_offload()

运行推理并保留生成的图像:

 # cpu offload for memory saving, requires accelerate>=0.17.0
 pipe.enable_model_cpu_offload()
 
 image = pipe(
     "a beautiful lady, celebrity, red dress, dslr, colour photo, realistic, high quality",
     negative_prompt="cropped, out of frame, worst quality, low quality, jpeg artifacts, ugly, blurry, bad anatomy, bad proportions",
     num_inference_steps=20,
     generator=generator,
     image=canny_image,
     controlnet_conditioning_scale=0.5
 ).images[0]
 image.save('output.png')

StableDiffusionControlNetPipeline 承受以下参数:

controlnet_conditioning_scale - 在将 controlnet 的输入增加到原始 unet 的残余局部之前，将它们乘以 controlnet_conditioning_scale。默认为 1.0，承受 0.0-1.0 之间的任何值。

运行脚本，能够失去相似上面输入:

让咱们用不同的输出图像和设置从新运行脚本:

 image = pipe(
 "a beautiful lady wearing blue yoga pants working out on beach, realistic, high quality",
     negative_prompt="cropped, out of frame, worst quality, low quality, jpeg artifacts, ugly, blurry, bad anatomy, bad proportions",
     num_inference_steps=20,
     generator=generator,
     image=canny_image,
 controlnet_conditioning_scale=1.0
 ).images[0]
 image.save('tmp/output.png')

后果如下：

OpenPose

上面能够尝试应用 OpenPose 图像作为条件输出：

controlnet-aux 模块反对将图像转换为 OpenPose 骨骼图像。咱们创立一个名为 pose_inference.py 的新 Python 文件并增加以下导入：

 import torch
 from PIL import Image
 from controlnet_aux import OpenposeDetector
 from diffusers import StableDiffusionControlNetPipeline, ControlNetModel, DPMSolverMultistepScheduler

持续增加以下代码 

 image = Image.open('input.png')
 openpose = OpenposeDetector.from_pretrained('lllyasviel/ControlNet')
 pose_image = openpose(image)
 pose_image.save('pose.png')

执行以下图像转换为 OpenPose 图像:

 python pose_inference.py

后果如下

上面咱们开始依据 OpenPose 生成图像 

 # for deterministic generation
 generator = torch.Generator(device='cuda').manual_seed(12345)
 controlnet = ControlNetModel.from_pretrained(
     "lllyasviel/sd-controlnet-openpose",
     torch_dtype=torch.float16
 )
 pipe = StableDiffusionControlNetPipeline.from_pretrained(
     "runwayml/stable-diffusion-v1-5",
     controlnet=controlnet,
     torch_dtype=torch.float16
 )
 # change the scheduler
 pipe.scheduler = DPMSolverMultistepScheduler.from_config(pipe.scheduler.config)
 # enable xformers (optional), requires xformers installation
 pipe.enable_xformers_memory_efficient_attention()
 # cpu offload for memory saving, requires accelerate>=0.17.0
 pipe.enable_model_cpu_offload()
 
 # cpu offload for memory saving, requires accelerate>=0.17.0
 pipe.enable_model_cpu_offload()
 
 image = pipe(
     "a beautiful hollywood actress wearing black dress attending award winning event, red carpet stairs at background",
     negative_prompt="cropped, out of frame, worst quality, low quality, jpeg artifacts, ugly, blurry, bad anatomy, bad proportions",
     num_inference_steps=20,
     generator=generator,
     image=pose_image,
     controlnet_conditioning_scale=1.0
 ).images[0]
 image.save('output.png')

后果如下：

总结

能够看到 ControlNet 是一个十分弱小的神经网络构造，通过增加额定的条件来管制扩散模型。目前还不反对 Multi-ControlNet，开源社区有音讯说正在踊跃开发中。这个新性能提供了能够应用多个管制网络，并将他们的输入一起用于图像生成，容许更好地管制整个图像。

https://avoid.overfit.cn/post/0663779d52484d0da5cc946b8f429f36

作者：Ng Wai Foong

退出移动版