微网站工程案例展示室内设计网上教学

StableDiffusionDepth2ImgPipeline允许传递文本提示和初始图像，以调节新图像的生成。此外，还可以传递depth_map以保留图像结构。如果没有提供depth_map，则管道通过集成的深度估计模型自动预测深度。

# 以下代码为程序运行进行设置

import os
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"
mport torch
from diffusers import StableDiffusionDepth2ImgPipeline
from diffusers.utils import load_image, make_image_grid

# 以下代码加载StableDiffusionDepth2ImgPipeline并创建实例

pipeline = StableDiffusionDepth2ImgPipeline.from_pretrained(
"stabilityai/stable-diffusion-2-depth",
torch_dtype=torch.float16,
use_safetensors=True,
).to("cuda")

# 以下代码加载原始图片

url = "http://images.cocodataset.org/val2017/000000039769.jpg"

init_image = load_image(url)

# 以下代码由提示词及原始图片生成图片

prompt = "two tigers"
negative_prompt = "bad, deformed, ugly, bad anatomy"
image = pipeline(prompt=prompt, image=init_image, negative_prompt=negative_prompt, strength=0.7).images[0]
image.show()

以下是原始图片

以下是由提示词并分析原始图片的深度生成的图片

AIGC应用44