logo avatars pipeline

Repositori Pipa Logo Avatar

Penjelasan Blog: Medium

Ringkasan

Repositori ini berisi backend dari aplikasi difusi yang stabil, yang dirancang khusus untuk menghasilkan logo kreatif. Aplikasi ini menggunakan Versi 1.5 difusi yang stabil yang terintegrasi dengan model Canny Net Canny untuk mengubah logo standar menjadi versi yang lebih kreatif.

Kode Frontend StreamLit di sini

Fitur

• Difusi stabil 1.5 dengan Control Net Canny : Memanfaatkan AI terbaru untuk menghasilkan desain logo yang unik.
• Implementasi FASTAPI : Dibangun menggunakan FASTAPI untuk layanan backend yang efisien dan dapat diskalakan.
• Base64 Image Encoding : Menerima dan memproses gambar yang dikodekan dalam format Base64, merampingkan proses penanganan gambar.
• Proses inferensi yang mulus : melakukan inferensi pada gambar yang diterjemahkan dan mengembalikan logo yang ditingkatkan secara kreatif dalam format Base64.

Penggunaan

• Backend FASTAPI menerima objek 'BasesdRequest' yang berisi semua parameter yang diperlukan.
• Gambar harus dikirim sebagai string yang dikodekan Base64. Ini kemudian didekodekan di backend untuk diproses.
• Setelah inferensi, gambar akhir dikodekan ulang di Base64 dan dikembalikan ke pengguna.

Google Colab Notebook

Termasuk dalam repositori adalah notebook Google Colab untuk Avatar logo POC. Buku catatan interaktif ini memungkinkan Anda untuk menjalankan seluruh proses dan melihat hasilnya secara real-time. Cukup salin tautan gambar apa pun & jalankan. Colab Notebook

Referensi API

Periksa detak jantung

  GET /heartbeat

Parameter	Jenis	Keterangan
none	none	Untuk memeriksa apakah server sedang berjalan

Menghasilkan gambar

  POST /generate_image 

Parameter

Nama	Jenis	Keterangan
prompt	string	Diperlukan . Prompt untuk menghasilkan gambar.
encoded_control_net_image	string	Diperlukan . Gambar bersih kontrol yang dikodekan dalam format Base64.
control_type	string	Diperlukan . Jenis kontrol yang digunakan dalam pembuatan gambar.
height	int	Diperlukan . Tinggi gambar yang dihasilkan.
width	int	Diperlukan . Lebar gambar yang dihasilkan.
controlnet_conditioning_scale	float	Skala pengkondisian bersih. Default adalah 1.0.
negative_prompt	string	String yang menentukan permintaan negatif. Default adalah "Deformed, NSFW, Blurr".
base_model	string	Model dasar yang digunakan untuk generasi. Default adalah "digiplay/juggernaut_final".
num_inference_steps	int	Jumlah langkah inferensi. Default adalah 20.
guidance_scale	float	Skala panduan. Default adalah 0,6.
num_images_per_prompt	int	Jumlah gambar yang dihasilkan per prompt. Default adalah 1.

{
  "prompt" : " Colorful, jungle surrounding, trees, natural, detailed, hd, 4k, best quality, extremely detailed " ,
  "generated_image_encoded" : " base64_encoded_generated_image_string "
}

Dukung saya: