t2i-adapter-canny-sdxl-1.0

t2i-adapter-canny-sdxl-1.0

T2I适配器结合Canny检测提升稳定扩散XL的条件控制

T2I适配器通过Canny边缘检测增强稳定扩散模型的条件控制能力,由腾讯ARC和Hugging Face联合开发。该模型经由多任务学习在超过300万的高分辨率图文对上训练了20000步,实现了文本到图像生成的更高可控性。使用者需安装必要的依赖,并结合指定的模型与调度程序,以提高图像生成质量。

稳定扩散图像生成深度学习HuggingfaceT2I-Adapter开源项目模型Github边缘检测

项目介绍:t2i-adapter-canny-sdxl-1.0

t2i-adapter-canny-sdxl-1.0 是一个为稳定扩散模型(Stable Diffusion)提供附加条件输入的网络版本。该项目由腾讯 ARC 和 Hugging Face 共同开发,采用 Canny 边缘检测的条件输入来增强模型的控制能力。

项目背景

T2I Adapter 是一个能为文本到图像扩散模型(Text-to-Image Diffusion Models)提供更多可控能力的学习适配器。该适配器构建在稳定扩散基础之上,可根据不同的训练点输入不同类型的条件信息,以实现高质量的图像生成。

模型详情

  • 开发团队:腾讯 ARC 与 Hugging Face
  • 模型类型:基于扩散方法的文本到图像生成模型
  • 支持语言:英语
  • 许可证:Apache 2.0
  • 技术资源

模型参数如下表所示:

参数SD-V1.4/1.5SD-XLT2I-AdapterT2I-Adapter-SDXL
参数量860M2.6B77 M77/79 M

检查点

该项目提供了不同的训练点用于图像控制条件的生成,包括:

  • Canny 边缘检测:用于此项目的主要条件输入,生成白色边缘的黑白图像,示例图点此查看

此外,还有其他类型的条件输入,如手绘素描、线条艺术、深度估测和骨骼图等,每种都有其独特的图像示例。

用例示例

要开始使用 t2i-adapter-canny-sdxl-1.0,首先需要安装必要的依赖项:

pip install -U git+https://github.com/huggingface/diffusers.git pip install -U controlnet_aux==0.0.7 pip install transformers accelerate safetensors

通过加载适配器和其他相关组件进行图像生成:

from diffusers import StableDiffusionXLAdapterPipeline, T2IAdapter, EulerAncestralDiscreteScheduler, AutoencoderKL import torch adapter = T2IAdapter.from_pretrained("TencentARC/t2i-adapter-canny-sdxl-1.0", torch_dtype=torch.float16).to("cuda") #...代码省略...

利用 Canny 边缘检测实现的条件输入,在给定的图像和文本提示下生成新的图像,最后将生成的图像保存为 out_canny.png

模型训练

该模型在 LAION-Aesthetics V2 数据集上训练,包含 300 万对高分辨率的图像文本配对,训练参数包括:

  • 训练步骤:20000
  • 批次大小:单 GPU 16,总批次 256
  • 学习率1e-5
  • 混合精度:fp16

这套系统通过灵活的图像条件输入和深度学习方案,为用户提供了强大的图像生成能力和创意支撑。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多