• 我的订阅
  • 科技

蜘蛛侠妖娆起舞,下代ControlNet来了!贾佳亚团队推出,即插即用

类别:科技 发布时间:2024-08-19 09:37:00 来源:量子位

只用不到10%的训练参数,就能实现ControlNet一样的可控生成!

而且SDXL、SD1.5等Stable Diffusion家族的常见模型都能适配,还是即插即用。

同时还能搭配SVD控制视频生成,动作细节控制得精准到手指。

在这些图像和视频的背后,就是港中文贾佳亚团队推出的开源图像/视频生成引导工具——ControlNeXt。

从这个名字当中就能看出,研发团队给它的定位,就是下一代的ControlNet。

像大神何恺明与谢赛宁的经典大作ResNeXt(ResNet的一种扩展),起名字也是用的这个路数。

有网友认为这个名字是实至名归,确实是下一代的产品,将ControlNet提高了一个档次。

蜘蛛侠妖娆起舞,下代ControlNet来了!贾佳亚团队推出,即插即用

还有人直言ControlNeXt是规则改变者,让可控生成的效率提升了一大截,期待看到人们用它创作的作品。

蜘蛛侠妖娆起舞,下代ControlNet来了!贾佳亚团队推出,即插即用

蜘蛛侠跳起美女舞蹈

ControlNeXt支持多款SD系模型,而且即插即用。

其中包括了图像生成模型SD1.5、SDXL、SD3(支持Super Resolution),还有视频生成模型SVD。

话不多说,直接看效果。

可以看到,在SDXL中加入边缘(Canny)引导,绘制出的二次元少女和控制线条几乎完美贴合。

蜘蛛侠妖娆起舞,下代ControlNet来了!贾佳亚团队推出,即插即用

即使控制轮廓又多又细碎,模型依然可以绘制出符合要求的图片。

蜘蛛侠妖娆起舞,下代ControlNet来了!贾佳亚团队推出,即插即用

而且无需额外训练就可与其他LoRA权重无缝集成。

比如在SD1.5中,可以把姿势(Pose)控制条件与各种LoRA搭配使用,形成风格迥异乃至跨越次元,但动作相同的角色。

蜘蛛侠妖娆起舞,下代ControlNet来了!贾佳亚团队推出,即插即用

另外,ControlNeXt也支持遮罩(mask)和景深(depth)的控制模式。

蜘蛛侠妖娆起舞,下代ControlNet来了!贾佳亚团队推出,即插即用

在SD3当中还支持Super Resolution(超级分辨率),可生成超高清晰度的图像。

视频生成当中,ControlNeXt可以实现对人物动作的控制。

比如让蜘蛛侠也跳起TikTok中的美女舞蹈,就连手指的动作也模仿得相当精准。

甚至让一把椅子也长出手跳同样的舞蹈,虽然是抽象了一些,但单看动作复刻得还算不错。

而且相比于原始的ControlNet,ControlNeXt需要的训练参数更少,收敛速度也更快。

比如在SD1.5和SDXL中,ControlNet需要的可学习参数分别是3.61亿和12.51亿,但ControlNeXt分别只需要3千万和1.08亿,不到ControlNet的10%。

而在训练过程中,ControlNeXt在400步左右就已接近收敛,但ControlNet却需要十倍甚至数十倍的步数。

蜘蛛侠妖娆起舞,下代ControlNet来了!贾佳亚团队推出,即插即用

生成的速度也比ControlNet更快,平均下来ControlNet相当于基础模型会带来41.9%的延时,但ControlNeXt只有10.4%。

蜘蛛侠妖娆起舞,下代ControlNet来了!贾佳亚团队推出,即插即用

那么,ControlNeXt是如何实现的,对ControlNet进行了哪些改进呢?

更轻量化的条件控制模块

首先用一张图来了解一下ControlNeXt的整个工作流程。

蜘蛛侠妖娆起舞,下代ControlNet来了!贾佳亚团队推出,即插即用

其中轻量化的关键,是ControlNeXt移除了ControlNet中的庞大控制分支,改为引入一个由少量ResNet块组成的轻量级卷积模块。

这个模块负责提取控制条件(如语义分割掩码、关键点先验等)的特征表示。

其中的训练参数量通常不到ControlNet中预训练模型的10%,但仍能很好地学习将输入的条件控制信息,这种设计大大降低了计算开销和内存占用。

具体来说,它从预训练模型的不同网络层的中等距采样,形成用于训练的参数子集,其余参数则被冻结。

蜘蛛侠妖娆起舞,下代ControlNet来了!贾佳亚团队推出,即插即用

另外在设计ControlNeXt的架构时,研究团队还保持了模型结构与原始架构的一致性,从而实现了即插即用。

无论是ControlNet还是ControlNeXt,条件控制信息的注入都是一个重要环节。

在这个过程中,ControlNeXt研究团队主要针对两个关键问题进行了深入研究——注入位置的选择和注入方式的设计。

研究团队观察发现,在大多数可控生成任务中,指导生成的条件信息形式相对简单,且与去噪过程中的特征高度相关。

所以团队认为,没有必要在去噪网络的每一层都注入控制信息,于是选择了只在网络的中间层将条件特征与去噪特征聚合。

聚合的方式也尽可能简单——在用交叉归一化对齐两组特征的分布后,直接将其相加。

这样既能确保控制信号影响去噪过程,又避免了注意力机制等复杂操作引入额外的学习参数和不稳定性。

这之中的交叉归一化,也是ControlNeXt的另一项核心技术,替代了此前常用的zero-convolution等渐进式初始化策略。

传统方法通过从零开始逐步释放新模块的影响力来缓解崩塌问题,但往往导致的结果就是收敛速度慢。

交叉归一化则直接利用主干网络去噪特征的均值μ和方差σ对控制模块输出的特征做归一化,使二者的数据分布尽量对齐。

蜘蛛侠妖娆起舞,下代ControlNet来了!贾佳亚团队推出,即插即用

(注:ϵ是为数值稳定性而添加的小常数,γ为缩放参数。)

归一化后的控制特征再通过尺度和偏移参数调整幅度和基线,再与去噪特征相加,既避免了参数初始化的敏感性,又能在训练初期就让控制条件发挥作用,加快收敛进程。

此外,ControlNeXt还借助控制模块学习条件信息到隐空间特征的映射,使其更加抽象和语义化,更有利于泛化到未见过的控制条件。

项目主页:https://pbihao.github.io/projects/controlnext/index.html论文地址:https://arxiv.org/abs/2408.06070GitHub:https://github.com/dvlab-research/ControlNeXt

以上内容为资讯信息快照,由td.fyun.cc爬虫进行采集并收录,本站未对信息做任何修改,信息内容不代表本站立场。

快照生成时间:2024-08-19 11:45:11

本站信息快照查询为非营利公共服务,如有侵权请联系我们进行删除。

信息原文地址:

《漫威蜘蛛侠2》第一手体验报道发布
PlayStationBlog发布了《漫威蜘蛛侠2》第一手体验报道:共生体能力、战斗、PS5功能等细节全公开。PSBlog全文
2023-09-18 20:24:00
《漫威蜘蛛侠2》insomniac透露了一些关于故事的新细节
...近的圣迭戈漫展上,Insomniac展示了备受期待的续作《漫威蜘蛛侠2》的故事宣传片,并且还透露了一些关于故事方面的新细节
2023-07-22 17:11:00
《漫威蜘蛛侠2》制作团队采访 年底会有重要功能更新
再过几小时,《漫威蜘蛛侠2》就要在PS5上正式发售了。这款游戏可能是今年最好的索尼第一方大作之一,它相对于《漫威蜘蛛侠》系列的前两作在各方面都有着不错的进步,并在MC上取得了90
2023-10-20 21:13:00
AMD新功能致使《蜘蛛侠2》崩溃!团队更新紧急移除
...臭名昭著,而第二代Anti-Lag 2似乎也步其后尘了。《漫威蜘蛛侠2》PC版的开发人员在最新的补丁说明中透露,由于Anti-Lag 2 SDK在AMD Radeon GPU上导致崩溃
2025-02-14 22:38:00
索尼出手打击《蜘蛛侠2》非官方PC版 相关视频被下架
...露事件后,今年2月初,一个非官方的团队制作了《漫威蜘蛛侠2》的PC移植版。游戏推出这一个多月的时间里,其背后的团队一直在为其努力优化
2024-03-21 07:13:00
索尼推出了《漫威蜘蛛侠2》联名主题游戏硬件
...与开发商InsomniacGames一起发布了新的硬件,以庆祝《漫威蜘蛛侠2》即将推出。这些硬件包括《漫威蜘蛛侠2》限量版捆绑包
2023-08-01 13:39:00
《蜘蛛侠2》创意总监:小虫将不再是美国警察好帮手
《漫威蜘蛛侠2》创意总监说,第一部游戏成为亲警察的游戏并不是他们的本意,并且已经对续集进行了修改。《漫威蜘蛛侠2》的开发者听取了对第一部游戏的批评,特别是对其如何表现警察的批评。
2023-06-08 14:42:00
加勒普认为,《蜘蛛夫人》需要“蹭热度”,克拉克森适合《惊队》
...反响平平,很多人觉得这部电影需要“蹭热度”,因为《蜘蛛侠》的人气基础太好了,《蜘蛛夫人》需要借助其他作品的力量。还有一些粉丝认为凯文费奇应该增强作品的独立性,漫威英雄大家庭的
2023-11-25 21:35:00
《漫威蜘蛛侠 2》发布日期可能已经被开发者泄露了
《漫威蜘蛛侠2》的发布窗口可能是由InsomniacGames的开发团队成员意外泄露的。InsomniacGames的一名开发者可能泄露了《漫威蜘蛛侠2》的发布窗口
2023-01-17 20:43:00
更多关于科技的资讯: