#条件输入
sd-controlnet-mlsd - 结合M-LSD直线检测优化Stable Diffusion的图像生成
Github开源项目ControlNetStable Diffusion模型扩散模型Huggingface条件输入M-LSD
该项目介绍了ControlNet神经网络结构，通过加入M-LSD直线检测等条件来控制大规模扩散模型，适用于Stable Diffusion。ControlNet能够在小数据集下进行稳健学习，且可在个人设备上快速训练。项目提供了多种检查点，涵盖边缘检测、深度估计和关键点检测，丰富了大规模扩散模型的控制方式，有助于推进相关应用的发展，最佳效果在Stable Diffusion v1-5结合使用时体现。
control_v11p_sd15_normalbae - 了解ControlNet v1.1的条件扩展功能如何提高文本到图像生成质量
Github开源项目深度学习ControlNetStable Diffusion模型文本到图像生成Huggingface条件输入
ControlNet v1.1通过多条件输入增强文本到图像生成，与Stable Diffusion兼容，支持边缘和分割图条件输入。项目已转为diffusers格式，便于个人设备上进行快速训练。Normal 1.1模型改善了表面法线估计的准确性，增加在各类图像中的应用实用性。
control_v11e_sd15_ip2p - 更好地控制扩散模型的图像处理能力
Github开源项目ControlNet图像生成模型扩散模型Huggingface稳态扩散条件输入
本项目利用ControlNet v1.1提供了一种神经网络结构，能够通过附加条件控制预训练的大型扩散模型，与Stable Diffusion兼容。其支持指令化像素到像素的控制，通过边缘图、分割图和关键点等条件输入丰富图像生成方式。即便在小规模数据集下，ControlNet也能在个人设备上快速训练，相关源码及文档可在HuggingFace平台获取，适用于多种图像生成任务，提升图像处理灵活性。