Modelo de Consistencia Latente (LCM) LoRA: SDXL
El Modelo de Consistencia Latente (LCM) LoRA fue propuesto en 'LCM-LoRA: A universal Stable-Diffusion Acceleration Module' por Simian Luo, Yiqin Tan, Suraj Patil, Daniel Gu et al. Es un adaptador de consistencia destilado para la base de stable-diffusion-xl-1.0 que permite reducir el número de pasos de inferencia a solo entre 2-8 pasos. Este modelo está soportado en la biblioteca 🤗 Hugging Face Diffusers desde la versión v0.23.0 en adelante.
Como usar
LCM-LoRA está soportado en la biblioteca 🤗 Hugging Face Diffusers a partir de la versión v0.23.0 en adelante. Para ejecutar el modelo, primero instala la última versión de la biblioteca Diffusers, así como peft, accelerate y transformers.
pip install --upgrade pip
pip install --upgrade diffusers transformers accelerate peft
Text-to-Image
El adaptador se puede cargar con su modelo base stabilityai/stable-diffusion-xl-base-1.0. Luego, el programador necesita ser cambiado a LCMScheduler y podemos reducir el número de pasos de inferencia a solo 2 a 8 pasos.
import torch
from diffusers import LCMScheduler, AutoPipelineForText2Image
model_id = "stabilityai/stable-diffusion-xl-base-1.0"
adapter_id = "latent-consistency/lcm-lora-sdxl"
pipe = AutoPipelineForText2Image.from_pretrained(model_id, torch_dtype=torch.float16, variant="fp16")
pipe.scheduler = LCMScheduler.from_config(pipe.scheduler.config)
pipe.to("cuda")
# cargar y fusionar lcm lora
pipe.load_lora_weights(adapter_id)
pipe.fuse_lora()
prompt = "Autorretrato como pintura al óleo, un hermoso cyborg con cabello dorado, 8k"
# desactivar guidance_scale pasando 0
image = pipe(prompt=prompt, num_inference_steps=4, guidance_scale=0).images[0]
Inpainting
LCM-LoRA también se puede usar para el 'inpainting'.
import torch
from diffusers import AutoPipelineForInpainting, LCMScheduler
from diffusers.utils import load_image, make_image_grid
pipe = AutoPipelineForInpainting.from_pretrained(
"diffusers/stable-diffusion-xl-1.0-inpainting-0.1",
torch_dtype=torch.float16,
variant="fp16",
).to("cuda")
# configurar el programador
pipe.scheduler = LCMScheduler.from_config(pipe.scheduler.config)
# cargar LCM-LoRA
pipe.load_lora_weights("latent-consistency/lcm-lora-sdxl")
pipe.fuse_lora()
# cargar imagen base y máscara
init_image = load_image("https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/diffusers/inpaint.png").resize((1024, 1024))
mask_image = load_image("https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/diffusers/inpaint_mask.png").resize((1024, 1024))
prompt = "un castillo en la cima de una montaña, altamente detallado, 8k"
generator = torch.manual_seed(42)
image = pipe(
prompt=prompt,
image=init_image,
mask_image=mask_image,
generator=generator,
num_inference_steps=5,
guidance_scale=4,
).images[0]
make_image_grid([init_image, mask_image, image], rows=1, cols=3)
Combinar con LoRAs estilizados
LCM-LoRA se puede combinar con otros LoRAs para generar imágenes estilizadas en muy pocos pasos (4-8). En el siguiente ejemplo, utilizaremos el LCM-LoRA con el LoRA 'papercut'.
import torch
from diffusers import DiffusionPipeline, LCMScheduler
pipe = DiffusionPipeline.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0",
variant="fp16",
torch_dtype=torch.float16
).to("cuda")
# configurar el programador
pipe.scheduler = LCMScheduler.from_config(pipe.scheduler.config)
# cargar LoRAs
pipe.load_lora_weights("latent-consistency/lcm-lora-sdxl", adapter_name="lcm")
pipe.load_lora_weights("TheLastBen/Papercut_SDXL", weight_name="papercut.safetensors", adapter_name="papercut")
# combinar LoRAs
pipe.set_adapters(["lcm", "papercut"], adapter_weights=[1.0, 0.8])
prompt = "papercut, un lindo zorro"
generator = torch.manual_seed(0)
image = pipe(prompt, num_inference_steps=4, guidance_scale=1, generator=generator).images[0]
image
ControlNet
import torch
import cv2
import numpy as np
from PIL import Image
from diffusers import StableDiffusionXLControlNetPipeline, ControlNetModel, LCMScheduler
from diffusers.utils import load_image
image = load_image(
"https://hf.co/datasets/huggingface/documentation-images/resolve/main/diffusers/input_image_vermeer.png").resize((1024, 1024))
image = np.array(image)
low_threshold = 100
high_threshold = 200
image = cv2.Canny(image, low_threshold, high_threshold)
image = image[:, :, None]
image = np.concatenate([image, image, image], axis=2)
canny_image = Image.fromarray(image)
controlnet = ControlNetModel.from_pretrained("diffusers/controlnet-canny-sdxl-1.0-small", torch_dtype=torch.float16, variant="fp16")
pipe = StableDiffusionXLControlNetPipeline.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0",
controlnet=controlnet,
torch_dtype=torch.float16,
safety_checker=None,
variant="fp16").to("cuda")
# configurar el programador
pipe.scheduler = LCMScheduler.from_config(pipe.scheduler.config)
# cargar LCM-LoRA
pipe.load_lora_weights("latent-consistency/lcm-lora-sdxl")
pipe.fuse_lora()
generator = torch.manual_seed(0)
image = pipe(
"imagen de La Mona Lisa",
image=canny_image,
num_inference_steps=5,
guidance_scale=1.5,
controlnet_conditioning_scale=0.5,
cross_attention_kwargs={"scale": 1},
generator=generator,
).images[0]
make_image_grid([canny_image, image], rows=1, cols=2)
T2I Adapter
Este ejemplo muestra cómo utilizar el LCM-LoRA con el Canny T2I-Adapter y SDXL.
import torch
import cv2
import numpy as np
from PIL import Image
from diffusers import StableDiffusionXLAdapterPipeline, T2IAdapter, LCMScheduler
from diffusers.utils import load_image, make_image_grid
# Prepare image
# Detect the canny map in low resolution to avoid high-frequency details
image = load_image(
"https://huggingface.co/Adapter/t2iadapter/resolve/main/figs_SDXLV1.0/org_canny.jpg").resize((384, 384))
image = np.array(image)
low_threshold = 100
high_threshold = 200
image = cv2.Canny(image, low_threshold, high_threshold)
image = image[:, :, None]
image = np.concatenate([image, image, image], axis=2)
canny_image = Image.fromarray(image).resize((1024, 1024))
# cargar el adaptador
adapter = T2IAdapter.from_pretrained("TencentARC/t2i-adapter-canny-sdxl-1.0", torch_dtype=torch.float16, varient="fp16").to("cuda")
pipe = StableDiffusionXLAdapterPipeline.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0",
adapter=adapter,
torch_dtype=torch.float16,
variant="fp16",
).to("cuda")
# configurar el programador
pipe.scheduler = LCMScheduler.from_config(pipe.scheduler.config)
# cargar LCM-LoRA
pipe.load_lora_weights("latent-consistency/lcm-lora-sdxl")
prompt = "Hada mística en el bosque, mágica, imagen 4k, alta calidad"
negative_prompt = "dedo extra, menos dedos, cortado, peor calidad, baja calidad, defecto, deformado, mutado, feo, desfigurado"
generator = torch.manual_seed(0)
image = pipe(
prompt=prompt,
negative_prompt=negative_prompt,
image=canny_image,
num_inference_steps=4,
guidance_scale=1.5,
adapter_conditioning_scale=0.8,
adapter_conditioning_factor=1,
generator=generator,
).images[0]
make_image_grid([canny_image, image], rows=1, cols=2)
Funcionalidades
- Reducción de pasos de inferencia de 2 a 8
- Soporte para Text-to-Image
- Funcionalidad de Inpainting
- Combinación con LoRAs estilizados
- Integración con ControlNet
- Compatibilidad con T2I Adapter
Casos de uso
- Generación de imágenes a partir de texto
- Inpainting de imágenes
- Generación de imágenes estilizadas combinando LoRAs
- ControlNet para obtener imágenes específicas con condicionamientos
- Adaptador T2I para generar imágenes con adaptadores Canny