seg ってなんだろう？ってところから始まりました。
ということで、今回は ControlNet の Seg とやらを使ってみます。
Seg...?
サンプルコード内で UperNetForSemanticSegmentation というものを使っていたので、 セマンティックセグメンテーション の何かであることがわかりました。
セマンティックセグメンテーションとは？？
セマンティック・セグメンテーション（Semantic Segmentation）は領域分類とも呼ばれ、画像のピクセル（画素）1つひとつに対してラベル付けしていく手法です。
だそうです。 Canny などの 検出 に対して、 領域分類 に該当する感じですかね？？
こういうやつみたいです。 (参考)
transformers を使います
最初から入っている気もしますが！
!pip install -U transformers
あと、numpy と Pillow も使います。
投入画像の準備
今回は一段とわからないコードです。
まず、この謎のアダさんのパレットが必要です。
import numpy as np
ada_palette = np.asarray([
[0, 0, 0],
[120, 120, 120],
[180, 120, 120],
[6, 230, 230],
[80, 50, 50],
[4, 200, 3],
[120, 120, 80],
[140, 140, 140],
[204, 5, 255],
[230, 230, 230],
[4, 250, 7],
[224, 5, 255],
[235, 255, 7],
[150, 5, 61],
[120, 120, 70],
[8, 255, 51],
[255, 6, 82],
[143, 255, 140],
[204, 255, 4],
[255, 51, 7],
[204, 70, 3],
[0, 102, 200],
[61, 230, 250],
[255, 6, 51],
[11, 102, 255],
[255, 7, 71],
[255, 9, 224],
[9, 7, 230],
[220, 220, 220],
[255, 9, 92],
[112, 9, 255],
[8, 255, 214],
[7, 255, 224],
[255, 184, 6],
[10, 255, 71],
[255, 41, 10],
[7, 255, 255],
[224, 255, 8],
[102, 8, 255],
[255, 61, 6],
[255, 194, 7],
[255, 122, 8],
[0, 255, 20],
[255, 8, 41],
[255, 5, 153],
[6, 51, 255],
[235, 12, 255],
[160, 150, 20],
[0, 163, 255],
[140, 140, 140],
[250, 10, 15],
[20, 255, 0],
[31, 255, 0],
[255, 31, 0],
[255, 224, 0],
[153, 255, 0],
[0, 0, 255],
[255, 71, 0],
[0, 235, 255],
[0, 173, 255],
[31, 0, 255],
[11, 200, 200],
[255, 82, 0],
[0, 255, 245],
[0, 61, 255],
[0, 255, 112],
[0, 255, 133],
[255, 0, 0],
[255, 163, 0],
[255, 102, 0],
[194, 255, 0],
[0, 143, 255],
[51, 255, 0],
[0, 82, 255],
[0, 255, 41],
[0, 255, 173],
[10, 0, 255],
[173, 255, 0],
[0, 255, 153],
[255, 92, 0],
[255, 0, 255],
[255, 0, 245],
[255, 0, 102],
[255, 173, 0],
[255, 0, 20],
[255, 184, 184],
[0, 31, 255],
[0, 255, 61],
[0, 71, 255],
[255, 0, 204],
[0, 255, 194],
[0, 255, 82],
[0, 10, 255],
[0, 112, 255],
[51, 0, 255],
[0, 194, 255],
[0, 122, 255],
[0, 255, 163],
[255, 153, 0],
[0, 255, 10],
[255, 112, 0],
[143, 255, 0],
[82, 0, 255],
[163, 255, 0],
[255, 235, 0],
[8, 184, 170],
[133, 0, 255],
[0, 255, 92],
[184, 0, 255],
[255, 0, 31],
[0, 184, 255],
[0, 214, 255],
[255, 0, 112],
[92, 255, 0],
[0, 224, 255],
[112, 224, 255],
[70, 184, 160],
[163, 0, 255],
[153, 0, 255],
[71, 255, 0],
[255, 0, 163],
[255, 204, 0],
[255, 0, 143],
[0, 255, 235],
[133, 255, 0],
[255, 0, 235],
[245, 0, 255],
[255, 0, 122],
[255, 245, 0],
[10, 190, 212],
[214, 255, 0],
[0, 204, 255],
[20, 0, 255],
[255, 255, 0],
[0, 153, 255],
[0, 41, 255],
[0, 255, 204],
[41, 0, 255],
[41, 255, 0],
[173, 0, 255],
[0, 245, 255],
[71, 0, 255],
[122, 0, 255],
[0, 255, 184],
[0, 92, 255],
[184, 255, 0],
[0, 133, 255],
[255, 214, 0],
[25, 194, 194],
[102, 255, 0],
[92, 0, 255],
])
そして、いつも通り make メソッドを作りました。
いつもながら、中身はよくわからないです。
ロードした画像をなんか変換する処理です。
import numpy as np
from diffusers.utils import load_image
from PIL import Image
from transformers import AutoImageProcessor, UperNetForSemanticSegmentation
# 投入画像の準備
init_image_url = "https://huggingface.co/lllyasviel/control_v11p_sd15_seg/resolve/main/images/input.png"
init_image = load_image(init_image_url)
# コントロールイメージを作成するメソッド
def make_seg_condition(image):
image_processor = AutoImageProcessor.from_pretrained("openmmlab/upernet-convnext-small")
pixel_values = image_processor(image, return_tensors="pt").pixel_values
with torch.no_grad():
image_segmentor = UperNetForSemanticSegmentation.from_pretrained("openmmlab/upernet-convnext-small")
outputs = image_segmentor(pixel_values)
seg = image_processor.post_process_semantic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
color_seg = np.zeros((seg.shape[0], seg.shape[1], 3), dtype=np.uint8) # height, width, 3
for label, color in enumerate(ada_palette):
color_seg[seg == label, :] = color
color_seg = color_seg.astype(np.uint8)
return Image.fromarray(color_seg)
control_image = make_seg_condition(init_image)
セマンティックセグメンテーションを調べたときに見たベタ塗りの画像が出てきました。
ControlNet, Pipeline の準備
import torch
from diffusers import ControlNetModel, StableDiffusionControlNetPipeline, UniPCMultistepScheduler
# ControlNet の準備
controlnet = ControlNetModel.from_pretrained(
"lllyasviel/control_v11p_sd15_seg",
torch_dtype=torch.float16
)
# Pipeline の準備
pipe = StableDiffusionControlNetPipeline.from_pretrained(
"runwayml/stable-diffusion-v1-5",
torch_dtype=torch.float16,
controlnet=controlnet,
).to("cuda")
pipe.enable_model_cpu_offload()
# スケジューラーの設定
pipe.scheduler = UniPCMultistepScheduler.from_config(pipe.scheduler.config)
このブロックは見慣れた風景なので安心します。
パイプライン実行
prompt = "old house in stormy weather with rain and wind"
image = pipe(
prompt,
num_inference_steps=30,
generator=torch.manual_seed(0),
image=control_image
).images[0]
image
ARASHI！
まとめ
いつもながら ControlNet で必要になる control_image を作るところはよくわかりません！
