새로운 작업에 대한 모델을 적용하기

많은 diffusion 시스템은 같은 구성 요소들을 공유하므로 한 작업에 대해 사전학습된 모델을 완전히 다른 작업에 적용할 수 있습니다.

이 인페인팅을 위한 가이드는 사전학습된 UNet2DConditionModel의 아키텍처를 초기화하고 수정하여 사전학습된 text-to-image 모델을 어떻게 인페인팅에 적용하는지를 알려줄 것입니다.

UNet2DConditionModel 파라미터 구성

UNet2DConditionModel은 input sample에서 4개의 채널을 기본적으로 허용합니다. 예를 들어, stable-diffusion-v1-5/stable-diffusion-v1-5와 같은 사전학습된 text-to-image 모델을 불러오고 in_channels의 수를 확인합니다:

from diffusers import StableDiffusionPipeline

pipeline = StableDiffusionPipeline.from_pretrained("stable-diffusion-v1-5/stable-diffusion-v1-5")
pipeline.unet.config["in_channels"]
4

인페인팅은 입력 샘플에 9개의 채널이 필요합니다. runwayml/stable-diffusion-inpainting와 같은 사전학습된 인페인팅 모델에서 이 값을 확인할 수 있습니다:

from diffusers import StableDiffusionPipeline

pipeline = StableDiffusionPipeline.from_pretrained("runwayml/stable-diffusion-inpainting")
pipeline.unet.config["in_channels"]
9

인페인팅에 대한 text-to-image 모델을 적용하기 위해, in_channels 수를 4에서 9로 수정해야 할 것입니다.

사전학습된 text-to-image 모델의 가중치와 UNet2DConditionModel을 초기화하고 in_channels를 9로 수정해 주세요. in_channels의 수를 수정하면 크기가 달라지기 때문에 크기가 안 맞는 오류를 피하기 위해 ignore_mismatched_sizes=True 및 low_cpu_mem_usage=False를 설정해야 합니다.

from diffusers import UNet2DConditionModel

model_id = "stable-diffusion-v1-5/stable-diffusion-v1-5"
unet = UNet2DConditionModel.from_pretrained(
    model_id, subfolder="unet", in_channels=9, low_cpu_mem_usage=False, ignore_mismatched_sizes=True
)

Text-to-image 모델로부터 다른 구성 요소의 사전학습된 가중치는 체크포인트로부터 초기화되지만 unet의 입력 채널 가중치 (conv_in.weight)는 랜덤하게 초기화됩니다. 그렇지 않으면 모델이 노이즈를 리턴하기 때문에 인페인팅의 모델을 파인튜닝 할 때 중요합니다.