คอนโทรลเน็ต

It turns text-to-image from a slot machine into a controllable design tool.

ControlNet เปิดตัวโดย Lvmin Zhang และเพื่อนร่วมงานในปี 2023 โดยยึดติดกับโมเดลการแพร่กระจายที่ได้รับการฝึกล่วงหน้า เช่น Stable Diffusion โดยไม่ต้องฝึกใหม่ทั้งหมด โดยจะโคลนบล็อกตัวเข้ารหัสของการแพร่กระจาย U-Net ลงในสำเนาที่ฝึกได้ จากนั้นจึงเชื่อมต่อสำเนานั้นกลับไปยังต้นฉบับที่แช่แข็งผ่านเลเยอร์ Convolution ที่กำหนดค่าเริ่มต้นเป็นศูนย์ (convs เป็นศูนย์) Convs เป็นศูนย์เหล่านี้เริ่มต้นโดยไม่มีผลกระทบ ดังนั้นการฝึกจึงเริ่มต้นจากพฤติกรรมของโมเดลดั้งเดิมและค่อยๆ เรียนรู้ที่จะเพิ่มการปรับสภาพ การปรับสภาพคือแผนที่เชิงพื้นที่: รูปภาพ Canny Edge, โครงกระดูก OpenPose, แผนที่เชิงลึก, มาสก์การแบ่งส่วน หรือภาพร่างคร่าวๆ ผลลัพธ์ก็คือรูปภาพที่สร้างขึ้นจะเป็นไปตามโครงสร้างของแผนผังควบคุม ในขณะที่ข้อความแจ้งจะกำหนดสไตล์และเนื้อหา ทำให้ศิลปินมีเลย์เอาต์ที่เชื่อถือได้และทำซ้ำได้