Control Stable Diffusion with M-LSD 修改建筑及家居装修风格

你是否曾经想过，如果能够轻松地看到自己家居的不同风格，该有多好呢？现在，这一切都变得可能了！
让你的眼睛👀仔细观察这些图片，你会发现它们展现了不同的风格和氛围，从现代简约到古典优雅，从温馨舒适到时尚前卫，应有尽有。但是，你知道吗？这些图片都是由AI生成的！

它们看起来非常逼真，仿佛是真实的照片一样。这就是人工智能的奇妙之处，让我们可以轻松地预览不同的家居风格，不必实际进行装修。让我们一起来感受AI技术的魅力吧！

(☞ﾟヮﾟ)☞装修风格参考

🛏现代极简风卧室
图一是原图，我要基于图一的装修布局重新装修一下，图二是M-LSD线段检测器的输出图像，⏩ 图三是加入prompt为：现代极简风卧室生成图像，⏩ 图四再补充一些prompt：现代极简风卧室，床是黄色的，墙是浅咖色。不得不说效果真不错！

🚽卫生间
图一这种简单布局的卫生间我很是喜欢，康康其他风格的⏩ 侘寂风卫生间 - 图二、三

🛋客厅
换装ing ⏩ 奶油风客厅 ⏩ 无名（不填prompt也可以生成不错的图片，很多惊喜诶）

🏰别墅
我已经在幻想住上大别墅了✨看看别墅的效果怎么样
⏩ 浪漫的海边别墅 ⏩ 新中式别墅

我想尝试用建筑设计图来看看能不能生成…哇，绝绝子 ⏩ 简约风 ⏩ 现代风

🏬其他建筑
建模图变 ⏩ 欧式建筑

厂房变 ⏩ 办公楼 ⏩ 大型超市 ⏩ 别墅（这样式的别墅😂）

好神奇，它是怎么做到的呢，来看看模型的介绍。

0.模型介绍

建筑的稳定扩散 | ControlNet模型-MLSD，随意创建建筑物、房间内部或外部以及独特的场景

ControlNet 最早是在L.Zhang等人的论文《Adding Conditional Control to Text-to-Image Diffusion Model》中提出的，目的是提高预训练的扩散模型的性能。它引入了一个框架，支持在扩散模型 (如 Stable Diffusion ) 上附加额外的多种空间语义条件来控制生成过程。为稳定扩散带来了前所未有的控制水平。

Mobile LSD (M-LSD): 《Towards Light-weight and Real-time Line Segment Detection》是用于资源受限环境的实时和轻量级线段检测器，M-LSD利用了极其高效的LSD体系结构和新的训练方案，包括SoL增强和几何学习方案。模型可以在GPU、CPU甚至移动设备上实时运行。

图1 GPU上M-LSD和现有LSD方法的比较	图2 移动设备上的推理速度和内存使用情况.

案例以分享至AI Gallery - AI建筑风格修改: ControlNet-MLSD,一起来运行代码，实现你的新装吧。

1. 装包

!pip install transformers==4.29.0
!pip install diffusers==0.16.1
!pip install accelerate==0.17.1
!pip install gradio==3.32.0
!pip install translate==3.6.1

2. 下载模型

使用mlsd, sd-controlnet-mlsd, stable-diffusion-v1-5预训练模型，为方便大家使用，已转存到华为云OBS中。

import os
import moxing as mox

pretrained_models = ['mlsd', 'sd-controlnet-mlsd', 'stable-diffusion-v1-5']

for pretrained_model in pretrained_models:
    model_dir = os.path.join(os.getcwd(), pretrained_model)
    if not os.path.exists(model_dir):
        mox.file.copy_parallel(f'obs://modelarts-labs-bj4-v2/case_zoo/ControlNet/ControlNet_models/{pretrained_model}', model_dir)
        if os.path.exists(model_dir):
            print(f'{pretrained_model} download success')
        else:
            raise Exception(f'{pretrained_model} download Failed')
    else:
        print(f"{pretrained_model} already exists!")

3. 加载模型

import torch
from PIL import Image
from mlsd import MLSDdetector
from translate import Translator
from diffusers.utils import load_image
from diffusers import StableDiffusionControlNetPipeline, ControlNetModel, UniPCMultistepScheduler

mlsd = MLSDdetector()
controlnet = ControlNetModel.from_pretrained("sd-controlnet-mlsd", torch_dtype=torch.float16)
pipe = StableDiffusionControlNetPipeline.from_pretrained("stable-diffusion-v1-5", controlnet=controlnet, safety_checker=None, torch_dtype=torch.float16)
pipe.scheduler = UniPCMultistepScheduler.from_config(pipe.scheduler.config)
pipe.enable_model_cpu_offload()

4. 生成图像

首先，传入的图片会通过mlsd detector输出黑白线条图，然后基于此mlsd图像，通过controlnet和stable diffusion生成图像。

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
ori = Image.open("1920245540.jpg")

mlsd = MLSDdetector()
mlsd_img = mlsd(ori, thr_v=0.1, thr_d=0.1, detect_resolution=512, image_resolution=512, return_pil=True)
trans = Translator(from_lang="ZH",to_lang="EN-US")
prompt = "现代极简风卧室，床是黄色的，墙是浅咖色"
en_prompt = trans.translate(prompt)
gen_img = pipe(en_prompt, mlsd_img, num_inference_steps=20).images[0]
fig = plt.figure(figsize=(25, 10))
ax1 = fig.add_subplot(1, 3, 1)
plt.title('Orignial image', fontsize=16)
ax1.axis('off')
ax1.imshow(ori)

ax2 = fig.add_subplot(1, 3, 2)
plt.title('ML Detector image', fontsize=16)
ax2.axis('off')
ax2.imshow(mlsd_img)

ax3 = fig.add_subplot(1, 3, 3)
plt.title('Generate image', fontsize=16)
ax3.axis('off')
ax3.imshow(gen_img)

plt.show()

5. Gradio可视化部署

Gradio应用启动后可在下方页面上传图片根据提示生成图像，您也可以分享public url在手机端，PC端进行访问生成图像。

➡ 参数说明
🔸 img_path：输入图像路径
🔸 prompt：提示词（建议填写）
🔸 n_prompt: 负面提示（可选）
🔸 num_inference_steps: 采样步数，一般15-30，值越大越精细,耗时越长
🔸 image_resolution: 对输入的图片进行最长边等比resize
🔸 detect_resolution：Hough Resolution，检测分辨率，值越小-线条越粗糙
🔸 value_threshold: Hough value threshold (MLSD)，值越大-检测线条越多，越详细
🔸 distance_threshold: Hough distance threshold (MLSD)，值越大-距离越远，检测到的线条越少

对比一下参数value_threshold，distance_threshold,当value_threshold值变大时，如图二所示，检测到的线段越少，获取到的信息也就越少，对控制生成后的图像来说，会缺失掉很多的细节；当distance_threshold值变大时，如图三所示，越远处的物体，提取到的线段越少，图像会更专注于前面的部分。这对于来调整生成的图像是一个很好的参考。

thr_v=0.1, thr_d=0.1	thr_v=0.5, thr_d=0.1	thr_v=0.1, thr_d=20

import gradio as gr

def mlsd(img, prompt, num_inference_steps, thr_v, thr_d, n_prompt, detect_resolution, image_resolution):
    trans = Translator(from_lang="ZH",to_lang="EN-US")
    prompt = trans.translate(prompt)
    n_prompt = trans.translate(n_prompt)
    mlsd = MLSDdetector()
    mlsd_img = mlsd(img, thr_v=0.1, thr_d=0.1, detect_resolution=512, image_resolution=512, return_pil=True)
    gen_img = pipe(prompt, mlsd_img, num_inference_steps=20, negative_prompt=n_prompt).images[0]
    result = [mlsd_img, gen_img]
    return result 

block = gr.Blocks().queue()
with block:
    with gr.Row():
        gr.Markdown("## 🏘Control Stable Diffusion with MLSD")
    with gr.Row():
        with gr.Column():
            input_image = gr.Image(source='upload', type="numpy")
            prompt = gr.Textbox(label="描述")
            run_button = gr.Button(label="Run")
            with gr.Accordion("高级选项", open=False):
                num_inference_steps = gr.Slider(label="图像生成步数", minimum=1, maximum=100, value=20, step=1)
                value_threshold = gr.Slider(label="Hough value threshold (MLSD)", minimum=0.01, maximum=2.0, value=0.1, step=0.01)
                distance_threshold = gr.Slider(label="Hough distance threshold (MLSD)", minimum=0.01, maximum=20.0, value=0.1, step=0.01)
                n_prompt = gr.Textbox(label="否定提示",
                                      value='lowres, extra digit, fewer digits, cropped, worst quality, low quality')
                detect_resolution = gr.Slider(label="Hough Resolution", minimum=128, maximum=1024, value=512, step=1)
                image_resolution = gr.Slider(label="Image Resolution", minimum=256, maximum=768, value=512, step=64)
                
        with gr.Column():
            result_gallery = gr.Gallery(label='Output', show_label=False, elem_id="gallery").style(columns=2, height='auto')
    ips = [input_image, prompt, num_inference_steps, value_threshold, distance_threshold, n_prompt, detect_resolution, image_resolution]
    run_button.click(fn=mlsd, inputs=ips, outputs=[result_gallery])

block.launch(share=True)

参考文献

1. Paper: 《Adding Conditional Control to Text-to-Image Diffusion Model》
2. Paper: 《Towards Light-weight and Real-time Line Segment Detection》
3. Model：sd-controlnet-mlsd, stable-diffusion-v1-5
4. 案例代码地址：AI Gallery - AI建筑风格修改: ControlNet-MLSD 免费体验