Diffusers

Geração de imagem a partir de profundidade guiada por texto

O StableDiffusionDepth2ImgPipeline permite passar um prompt de texto e uma imagem inicial para condicionar a geração de novas imagens. Além disso, você também pode passar um depth_map para preservar a estrutura da imagem. Se nenhum depth_map for fornecido, o pipeline prevê automaticamente a profundidade por meio de um modelo de estimativa de profundidade integrado.

Comece criando uma instância do StableDiffusionDepth2ImgPipeline:

import torch
from diffusers import StableDiffusionDepth2ImgPipeline
from diffusers.utils import load_image, make_image_grid

pipeline = StableDiffusionDepth2ImgPipeline.from_pretrained(
    "stabilityai/stable-diffusion-2-depth",
    dtype=torch.float16,
    use_safetensors=True,
).to("cuda")  # or "mps", "xpu", "cpu"

Agora, passe seu prompt para o pipeline. Você também pode passar um negative_prompt para impedir que certas palavras orientem a geração de uma imagem:

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
init_image = load_image(url)
prompt = "two tigers"
negative_prompt = "bad, deformed, ugly, bad anatomy"
image = pipeline(prompt=prompt, image=init_image, negative_prompt=negative_prompt, strength=0.7).images[0]
make_image_grid([init_image, image], rows=1, cols=2)

Entrada	Saída

Update on GitHub