sd interior design

인테리어 디자인을위한 현실화

현실적인 비전 v3.0 인 페인팅 파이프 라인을 세분화 및 MLSD 컨트롤을 결합한 맞춤형 인테리어 디자인 파이프 라인 API. 이 repo는 COG를 사용하여 Dockerized API를 만듭니다. 실행중인 API를 테스트하려면 복제 데모를 참조하십시오.

기본 사용

모델을 API로 제공하려면 COG와 Docker를 설치해야합니다. 예측을 실행하려면 :

cog predict -i image=@test_images/bedroom_3.jpg prompt= " A bedroom with a bohemian spirit centered around a relaxed canopy bed complemented by a large macrame wall hanging. An eclectic dresser serves as a unique storage solution while an array of potted plants brings life and color to the room "

서버를 시작하고 모델을 API로 제공하려면 :

cog run -p 5000 python -m cog.server.http

API 입력 인수는 다음과 같습니다.

• 이미지 : 제공된 이미지는 생성 프로세스의 기본 또는 참조 역할을합니다.
• 프롬프트 : 입력 프롬프트는 이미지 생성 프로세스를 안내하는 텍스트 설명입니다. 원하는 출력 이미지에 대한 자세하고 구체적인 설명이어야합니다.
• Negative_Prompt : 이 매개 변수를 사용하면 부정적인 프롬프트를 지정할 수 있습니다. 부정적인 프롬프트는 생성 된 이미지에서 피해야하는 용어 또는 설명으로, 원치 않는 요소로부터 출력을 멀리하는 데 도움이됩니다.
• Num_Inference_steps : 이 매개 변수는 이미지 생성 프로세스의 데노이징 단계 수를 정의합니다.
• Guidance_Scale : Guidance Scale 매개 변수는 생성 프로세스에서 분류기가없는 지침의 영향을 조정합니다. 값이 높을수록 모델이 프롬프트에 더 집중할 수 있습니다.
• Prompt_Strength : 입학 모드 에서이 매개 변수는 최종 이미지에 대한 입력 프롬프트의 영향을 제어합니다. 1.0 값은 프롬프트에 따라 완전한 변환을 나타냅니다.
• 시드 : 종자 매개 변수는 이미지 생성에 대한 임의의 시드를 설정합니다. 특정 시드는 결과를 재현하는 데 사용하거나 무작위 생성을 위해 공백을 남겼습니다.

모델 세부 사항

이것은 현실적인 비전 v3.0을 기본 모델로 사용하는 Aicrowd의 생성 인테리어 디자인 해커 톤에서 영감을 얻은 맞춤형 파이프 라인입니다. 해당 라이센스는 기본 및 Controlnet 모델 페이지를 참조하십시오. 이 코드 기반은 MIT 라이센스에 따라 라이센스가 부여됩니다.

신경 공사에서 with️