IP Adapter
1.0.0
我们提出IP-ADAPTER，这是一种有效且轻巧的适配器，可为预训练的文本对图像扩散模型实现图像及时的能力。只有2200万参数的IP-适配器可以与微调图像提示模型实现可比甚至更好的性能。 IP-ADAPTER不仅可以从同一基本模型中进行微调的其他自定义模型进行概括，还可以使用现有可控工具来控制可控生成。此外，图像提示也可以与文本提示符效果很好，以完成多模式图像生成。
# install latest diffusers
pip install diffusers==0.22.1
# install ip-adapter
pip install git+https://github.com/tencent-ailab/IP-Adapter.git
# download the models
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
# then you can use the notebook
您可以从这里下载模型。要运行演示，您还应该下载以下模型：
最佳实践
scale=1.0和text_prompt="" （或某些通用文本提示，例如“最佳质量”，也可以使用任何负面文本提示）。如果您降低了scale ，则可以生成更多样化的图像，但它们可能与图像提示不像。scale以获得最佳结果。在大多数情况下，设置scale=0.5可以获得良好的结果。对于SD 1.5的版本，我们建议使用社区模型来生成良好的图像。非平方图像的IP-ADAPTER
由于图像是在剪辑的默认图像处理器中裁剪的中心，因此IP型适配器最适合平方图像。对于非正方形图像，它将错过中心以外的信息。但是，对于非平方图像，您只能调整大小为224x224，比较如下：
IP-ADAPTER_XL与Reimagine XL的比较如下：
改进新版本（2023.9.8） ：
对于培训，您应该安装加速并将自己的数据集放入JSON文件中。
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
培训完成后，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" )该项目致力于积极影响AI驱动图像生成的领域。授予用户使用此工具创建图像的自由，但期望他们遵守本地法律并以负责任的方式使用它。开发人员对用户的潜在滥用不承担任何责任。
如果您发现IP-适配器对您的研究和应用程序有用，请使用此Bibtex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 }
}
