文本引导的深度图到图像生成

StableDiffusionDepth2ImgPipeline 允许你传入文本提示词和初始图像，以作为生成新图像的条件。此外，你还可以传入 depth_map 来保留图像结构。如果未提供 depth_map，该流水线会通过集成的深度估计模型自动预测深度。

首先，创建一个 StableDiffusionDepth2ImgPipeline 的实例：

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"

现在将您的提示词传递给 pipeline。您还可以传入 negative_prompt，以防止某些词语影响图像的生成方式：

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)

输入	输出

Update on GitHub

Diffusers

文本引导的深度图到图像生成