Diffusers documentation
Stable Diffusion 2
Stable Diffusion 2
Stable Diffusion 2 — это модель латентной диффузии для генерации изображений по текстовому описанию, созданная на основе оригинальной Stable Diffusion. Над ней работали Robin Rombach и Katherine Crowson из Stability AI и LAION.
Релиз Stable Diffusion 2.0 включает в себя надежные модели text-to-image, обученные с использованием нового текстового энкодера (OpenCLIP), разработанного LAION при поддержке Stability AI, что значительно повышает качество генерируемых изображений по сравнению с предыдущими релизами V1. Модели text-to-image в этом релизе могут генерировать изображения с разрешением по умолчанию как 512x512 пикселей, так и 768x768 пикселей. Эти модели обучены на эстетическом подмножестве датасета LAION-5B, созданном командой DeepFloyd из Stability AI, которое затем дополнительно фильтруется для удаления контента для взрослых с помощью фильтра NSFW от LAION.
Для получения подробной информации о том, как работает Stable Diffusion 2 и чем он отличается от оригинальной Stable Diffusion, обратитесь к официальному анонсу.
Архитектура Stable Diffusion 2 в целом идентична исходной модели Stable Diffusion, поэтому обратитесь к документации её API, чтобы узнать, как использовать Stable Diffusion 2. Мы рекомендуем использовать DPMSolverMultistepScheduler, так как он обеспечивает разумный баланс между скоростью и качеством и может работать всего с 20 шагами.
Stable Diffusion 2 доступен для таких задач, как генерация изображений по тексту, inpainting, супер-разрешение и генерация изображений по глубине:
| Задача | Репозиторий |
|---|---|
| text-to-image (512x512) | sd2-community/stable-diffusion-2-base |
| текст в изображение (768x768) | sd2-community/stable-diffusion-2 |
| inpainting | sd2-community/stable-diffusion-2-inpainting |
| сверхразрешение | stable-diffusion-x4-upscaler |
| depth-to-image | sd2-community/stable-diffusion-2-depth |
Вот несколько примеров использования Stable Diffusion 2 для каждой задачи:
Обязательно ознакомьтесь с разделом Советы по Stable Diffusion, чтобы узнать, как исследовать баланс между скоростью и качеством планировщика, а также как эффективно переиспользовать компоненты конвейера!
Если вы хотите использовать одну из официальных контрольных точек для задачи, изучите организации CompVis и Stability AI на Hub!
Текст в изображение
from diffusers import DiffusionPipeline, DPMSolverMultistepScheduler
import torch
repo_id = "stabilityai/stable-diffusion-2-base"
pipe = DiffusionPipeline.from_pretrained(repo_id, dtype=torch.float16, variant="fp16")
pipe.scheduler = DPMSolverMultistepScheduler.from_config(pipe.scheduler.config)
pipe = pipe.to("cuda") # or "mps", "xpu", "cpu"
prompt = "High quality photo of an astronaut riding a horse in space"
image = pipe(prompt, num_inference_steps=25).images[0]
imageИнпейнтинг
import torch
from diffusers import DiffusionPipeline, DPMSolverMultistepScheduler
from diffusers.utils import load_image, make_image_grid
img_url = "https://raw.githubusercontent.com/CompVis/latent-diffusion/main/data/inpainting_examples/overture-creations-5sI6fQgYIuo.png"
mask_url = "https://raw.githubusercontent.com/CompVis/latent-diffusion/main/data/inpainting_examples/overture-creations-5sI6fQgYIuo_mask.png"
init_image = load_image(img_url).resize((512, 512))
mask_image = load_image(mask_url).resize((512, 512))
repo_id = "stabilityai/stable-diffusion-2-inpainting"
pipe = DiffusionPipeline.from_pretrained(repo_id, dtype=torch.float16, variant="fp16")
pipe.scheduler = DPMSolverMultistepScheduler.from_config(pipe.scheduler.config)
pipe = pipe.to("cuda") # or "mps", "xpu", "cpu"
prompt = "Face of a yellow cat, high resolution, sitting on a park bench"
image = pipe(prompt=prompt, image=init_image, mask_image=mask_image, num_inference_steps=25).images[0]
make_image_grid([init_image, mask_image, image], rows=1, cols=3)Сверхразрешение
from diffusers import StableDiffusionUpscalePipeline
from diffusers.utils import load_image, make_image_grid
import torch
# load model and scheduler
model_id = "stabilityai/stable-diffusion-x4-upscaler"
pipeline = StableDiffusionUpscalePipeline.from_pretrained(model_id, dtype=torch.float16)
pipeline = pipeline.to("cuda") # or "mps", "xpu", "cpu"
# let's download an image
url = "https://huggingface.co/datasets/hf-internal-testing/diffusers-images/resolve/main/sd2-upscale/low_res_cat.png"
low_res_img = load_image(url)
low_res_img = low_res_img.resize((128, 128))
prompt = "a white cat"
upscaled_image = pipeline(prompt=prompt, image=low_res_img).images[0]
make_image_grid([low_res_img.resize((512, 512)), upscaled_image.resize((512, 512))], rows=1, cols=2)Глубина в изображение
import torch
from diffusers import StableDiffusionDepth2ImgPipeline
from diffusers.utils import load_image, make_image_grid
pipe = StableDiffusionDepth2ImgPipeline.from_pretrained(
"stabilityai/stable-diffusion-2-depth",
dtype=torch.float16,
).to("cuda") # or "mps", "xpu", "cpu"
url = "http://images.cocodataset.org/val2017/000000039769.jpg"
init_image = load_image(url)
prompt = "two tigers"
negative_prompt = "bad, deformed, ugly, bad anotomy"
image = pipe(prompt=prompt, image=init_image, negative_prompt=negative_prompt, strength=0.7).images[0]
make_image_grid([init_image, image], rows=1, cols=2)