|
--- |
|
许可证: 开放式轨道 |
|
base_model: |
|
- black-forest-labs/FLUX.1-dev |
|
--- |
|
|
|
这是ControlNet的预训练权重和其他一些检测器权重。 |
|
|
|
另见:https://github.com/lllyasviel/ControlNet |
|
|
|
#文件描述 |
|
|
|
ControlNet/models/control _ sd15 _ canny . PTH |
|
|
|
-使用canny边缘检测控制标清的ControlNet+SD1.5模型。 |
|
|
|
control net/models/control _ sd15 _ depth . PTH |
|
|
|
-使用Midas深度估计控制SD的ControlNet+SD1.5模型。 |
|
|
|
ControlNet/models/control _ sd15 _ hed . PTH |
|
|
|
-ControlNet+SD1.5模型使用HED边缘检测(软边缘)来控制SD。 |
|
|
|
ControlNet/models/control _ sd15 _ mlsd . PTH |
|
|
|
-ControlNet+SD1.5模型使用M-LSD线路检测来控制标清(也适用于传统的Hough变换)。 |
|
|
|
ControlNet/models/control _ sd15 _ normal . PTH |
|
|
|
-使用法线映射控制SD的ControlNet+SD1.5模型。最好使用Gradio应用程序生成的法线贴图。其他法线贴图只要方向正确也可能行得通(左看红，右看蓝，上看绿，下看紫)。 |
|
|
|
control net/models/control _ sd15 _ open pose . PTH |
|
|
|
-使用OpenPose姿态检测控制SD的ControlNet+SD1.5模型。直接操纵姿势骨骼应该也可以。 |
|
|
|
control net/models/control _ sd15 _ scribble . PTH |
|
|
|
-ControlNet+SD1.5模型使用人工涂鸦来控制SD。用具有非常强的数据扩充的边界边缘来训练该模型，以模拟类似于人绘制的边界线。 |
|
|
|
ControlNet/models/control _ sd15 _ seg . PTH |
|
|
|
-使用语义分段控制SD的ControlNet+SD1.5模型。协议是ADE20k。 |
|
|
|
control net/annotator/CK pts/body _ pose _ model . PTH |
|
|
|
-第三方模型:Openpose的姿态检测模型。 |
|
|
|
control net/annotator/CK pts/hand _ pose _ model . PTH |
|
|
|
-第三方模型:Openpose的手部检测模型。 |
|
|
|
control net/annotator/CK pts/DPT _ hybrid-MIDAS-501 f0c 75 . pt |
|
|
|
-第三方模型:Midas深度估计模型。 |
|
|
|
control net/annotator/CK pts/mlsd _ large _ 512 _ fp32 . PTH |
|
|
|
-第三方模型:M-LSD检测模型。 |
|
|
|
control net/annotator/CK pts/mlsd _ tiny _ 512 _ fp32 . PTH |
|
|
|
-第三方模型:M-LSD的另一个更小的检测模型(我们不使用这个)。 |
|
|
|
control net/annotator/CK pts/network-bsds 500 . PTH |
|
|
|
-第三方模型:HED边界检测。 |
|
|
|
control net/annotator/CK pts/upernet _ global _ small . PTH |
|
|
|
-第三方模型:统一语义分割。 |
|
|
|
control net/training/fill 50k . zip |
|
|
|
-我们培训教程的数据。 |
|
|
|
#相关资源 |
|
|
|
特别感谢这个伟大的项目-[Mikubill' A1111 Webui插件](https://github.com/Mikubill/sd-webui-controlnet) ! |
|
|
|
我们也感谢海斯特公司[格拉迪欧](https://github.com/gradio-app/gradio)演示在[拥抱面部空间](https://huggingface.co/spaces/hysts/ControlNet)以及超过65个模型[Colab列表](https://github.com/camenduru/controlnet-colab)! |
|
|
|
感谢好饭网的制作[扩散器控制网络](https://github.com/haofanwang/ControlNet-for-Diffusers)! |
|
|
|
我们还感谢所有制作Controlnet演示的作者，包括但不限于[fffiloni](https://huggingface.co/spaces/fffiloni/ControlNet-Video), [其他-模型](https://hugging face . co/spaces/hysts/control net-with-other-models), [因此游戏](https://github . com/automatic 1111/stable-diffusion-webui/discussions/7784), [RamAnanth1](https://huggingface.co/spaces/RamAnanth1/ControlNet)，等等！ |
|
|
|
#误用、恶意使用和超范围使用 |
|
|
|
该模型不应用于故意创建或传播给人们制造敌对或疏远环境的图像。这包括生成人们可以预见会觉得不安、痛苦或令人不快的图像；或传播历史或当前刻板印象的内容。 |
