Diffusers

Generación de imágenes a partir de profundidad guiada por texto

El StableDiffusionDepth2ImgPipeline permite pasar un prompt de texto y una imagen inicial para condicionar la generación de nuevas imágenes. Además, también puedes pasar un depth_map para preservar la estructura de la imagen. Si no se proporciona un depth_map, el pipeline predice automáticamente la profundidad mediante un modelo de estimación de profundidad integrado.

Comience creando una instancia de 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"

Ahora pasa tu prompt a la pipeline. También puedes pasar un negative_prompt para evitar que ciertas palabras guíen cómo se genera una imagen:

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	Salida

Update on GitHub