IP-Adapter

IP-Adapter

轻量级图像提示适配器提升文图生成效果

IP-Adapter是一款轻量高效的图像提示适配器,仅需22M参数即可为预训练文本到图像扩散模型提供图像提示功能。它不仅性能卓越,还可泛化到其他自定义模型,与现有控制工具兼容实现可控生成。IP-Adapter支持图像和文本提示配合使用,实现多模态图像生成,为AI图像生成领域带来新的可能性。

IP-Adapter文本到图像生成扩散模型图像提示多模态生成Github开源项目

IP-Adapter:用于文本到图像扩散模型的文本兼容图像提示适配器

<a href='https://ip-adapter.github.io'><img src='https://img.shields.io/badge/项目-主页-green'></a> <a href='https://arxiv.org/abs/2308.06721'><img src='https://img.shields.io/badge/技术-报告-red'></a> <a href='https://huggingface.co/h94/IP-Adapter'><img src='https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-模型-blue'></a> GitHub


介绍

我们提出了IP-Adapter,这是一个高效轻量的适配器,可为预训练的文本到图像扩散模型实现图像提示功能。一个仅有22M参数的IP-Adapter可以达到与微调图像提示模型相当甚至更好的性能。IP-Adapter不仅可以推广到从同一基础模型微调的其他自定义模型,还可以使用现有的可控工具进行可控生成。此外,图像提示还可以与文本提示很好地配合使用,实现多模态图像生成。

架构图

发布

  • [2024/01/19] 🔥 新增IP-Adapter-FaceID-Portrait,更多信息可在此处查看。
  • [2024/01/17] 🔥 新增SDXL的IP-Adapter-FaceID-PlusV2实验版本,更多信息可在此处查看。
  • [2024/01/04] 🔥 新增SDXL的IP-Adapter-FaceID实验版本,更多信息可在此处查看。
  • [2023/12/29] 🔥 新增IP-Adapter-FaceID-PlusV2实验版本,更多信息可在此处查看。
  • [2023/12/27] 🔥 新增IP-Adapter-FaceID-Plus实验版本,更多信息可在此处查看。
  • [2023/12/20] 🔥 新增IP-Adapter-FaceID实验版本,更多信息可在此处查看。
  • [2023/11/22] 感谢Diffusers团队,IP-Adapter现已在Diffusers中可用。
  • [2023/11/10] 🔥 新增更新版本的IP-Adapter-Face。演示在此处
  • [2023/11/05] 🔥 新增使用IP-Adapter和Kandinsky 2.2 Prior的文本到图像演示
  • [2023/11/02] 支持safetensors
  • [2023/9/08] 🔥 更新SDXL_1.0的IP-Adapter新版本。更多信息可在此处查看。
  • [2023/9/05] 🔥🔥🔥 IP-Adapter现已在WebUIComfyUI(或ComfyUI_IPAdapter_plus)中得到支持。
  • [2023/8/30] 🔥 新增以人脸图像为提示的IP-Adapter。演示在此处
  • [2023/8/29] 🔥 发布训练代码。
  • [2023/8/23] 🔥 新增具有细粒度特征的IP-Adapter代码和模型。演示在此处
  • [2023/8/18] 🔥 为SDXL 1.0新增代码和模型。演示在此处
  • [2023/8/16] 🔥 我们发布了代码和模型。

安装

# 安装最新的diffusers
pip install diffusers==0.22.1

# 安装ip-adapter
pip install git+https://github.com/tencent-ailab/IP-Adapter.git

# 下载模型
cd IP-Adapter
git lfs install
git clone https://huggingface.co/h94/IP-Adapter
mv IP-Adapter/models models
mv IP-Adapter/sdxl_models sdxl_models

# 然后您可以使用notebook

下载模型

您可以从这里下载模型。要运行演示,您还应下载以下模型:

使用方法

SD_1.5

  • ip_adapter_demo:使用图像提示进行图像变体、图像到图像和修复。
  • ip_adapter_demo

图像变体

图像到图像

修复

结构化条件1 结构化条件2

多模态提示

ip_adpter_plus图像变体 ip_adpter_plus多模态

ip_adpter_plus_face 最佳实践

  • 如果您只使用图像提示,可以将scale设置为1.0,并将text_prompt设置为""(或一些通用的文本提示,如"最佳质量",您也可以使用任何负面文本提示)。如果降低scale,可以生成更多样化的图像,但可能与图像提示的一致性较差。
  • 对于多模态提示,您可以调整scale以获得最佳结果。在大多数情况下,设置scale=0.5可以获得良好的效果。对于SD 1.5版本,我们建议使用社区模型来生成优质图像。

非方形图像的IP-Adapter

由于CLIP默认的图像处理器会对图像进行中心裁剪,IP-Adapter对方形图像效果最佳。对于非方形图像,它会丢失中心以外的信息。但您可以直接将非方形图像调整为224x224,对比如下:

SDXL_1.0

IP-Adapter_XLReimagine XL的对比如下:

sdxl_demo

新版本的改进(2023.9.8):

  • 切换到CLIP-ViT-H:我们使用OpenCLIP-ViT-H-14而不是OpenCLIP-ViT-bigG-14训练了新的IP-Adapter。尽管ViT-bigG比ViT-H大得多,但我们的实验结果并未发现显著差异,较小的模型可以减少推理阶段的内存使用。
  • 更快更好的训练方法:在之前的版本中,直接在1024x1024分辨率下训练效率极低。然而,在新版本中,我们实施了更有效的两阶段训练策略。首先,我们在512x512分辨率下进行预训练。然后,我们采用多尺度策略进行微调。(也许这种训练策略也可以用来加速controlnet的训练)。

如何训练

要进行训练,您需要安装accelerate并将您自己的数据集制作成json文件。

accelerate launch --num_processes 8 --multi_gpu --mixed_precision "fp16" \
  tutorial_train.py \
  --pretrained_model_name_or_path="runwayml/stable-diffusion-v1-5/" \
  --image_encoder_path="{image_encoder_path}" \
  --data_json_file="{data.json}" \
  --data_root_path="{image_path}" \
  --mixed_precision="fp16" \
  --resolution=512 \
  --train_batch_size=8 \
  --dataloader_num_workers=4 \
  --learning_rate=1e-04 \
  --weight_decay=0.01 \
  --output_dir="{output_dir}" \
  --save_steps=10000

训练完成后,您可以使用以下代码转换权重:

import torch ckpt = "checkpoint-50000/pytorch_model.bin" sd = torch.load(ckpt, map_location="cpu") image_proj_sd = {} ip_sd = {} for k in sd: if k.startswith("unet"): pass elif k.startswith("image_proj_model"): image_proj_sd[k.replace("image_proj_model.", "")] = sd[k] elif k.startswith("adapter_modules"): ip_sd[k.replace("adapter_modules.", "")] = sd[k] torch.save({"image_proj": image_proj_sd, "ip_adapter": ip_sd}, "ip_adapter.bin")

第三方使用

免责声明

本项目致力于为AI驱动的图像生成领域带来积极影响。用户可以自由使用此工具创建图像,但需遵守当地法律并负责任地使用。开发者不对用户可能的滥用行为承担任何责任。

引用

如果您发现IP-Adapter对您的研究和应用有用,请使用以下BibTeX进行引用:

@article{ye2023ip-adapter, title={IP-Adapter: Text Compatible Image Prompt Adapter for Text-to-Image Diffusion Models}, author={Ye, Hu and Zhang, Jun and Liu, Sibo and Han, Xiao and Yang, Wei}, booktitle={arXiv preprint arxiv:2308.06721}, year={2023} }

编辑推荐精选

蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

下拉加载更多