インペインティングのモデルというものがあるんですね。

そもそも、インペインティング(inpainting)って何？状態でした。絵画の修復という意味があるんですね。これも、モデルを使ってみて腑に落ちました。

GPUクラスターを使います。

%pip install mlflow==2.17.2 diffusers==0.31.0 
dbutils.library.restartPython()

import torch
print(torch.cuda.is_available())

True

from huggingface_hub import login 
login(token="<Hugging Faceのアクセストークン>")

from diffusers import AutoPipelineForInpainting
from diffusers.utils import load_image
import torch

pipe = AutoPipelineForInpainting.from_pretrained("diffusers/stable-diffusion-xl-1.0-inpainting-0.1", torch_dtype=torch.float16, variant="fp16").to("cuda")

img_url = "https://raw.githubusercontent.com/CompVis/latent-diffusion/main/data/inpainting_examples/overture-creations-5sI6fQgYIuo.png"
mask_url = "https://raw.githubusercontent.com/CompVis/latent-diffusion/main/data/inpainting_examples/overture-creations-5sI6fQgYIuo_mask.png"

image = load_image(img_url).resize((1024, 1024))
mask_image = load_image(mask_url).resize((1024, 1024))

prompt = "a tiger sitting on a park bench"
generator = torch.Generator(device="cuda").manual_seed(0)

image = pipe(
  prompt=prompt,
  image=image,
  mask_image=mask_image,
  guidance_scale=8.0,
  num_inference_steps=20,  # steps between 15 and 30 work well for us
  strength=0.99,  # make sure to use `strength` below 1.0
  generator=generator,
).images[0]

img_urlの画像

mask_urlの画像

つまり、img_urlの画像で、修復すべき(入れ替えるべき)領域をmask_urlの画像で指定するということですね。いわゆる顔ハメ看板ですね。面白い。

アウトプット画像を保存します。

image.save("./output_image.png")

上で指定したprompt = "a tiger sitting on a park bench"の通り、ベンチに虎が座ってます。

![](./output_image.png)

プロンプトを変えてみます。

prompt = "a cat sitting on a park bench"

画像系生成AIも色々なアプリケーションが出てきてますね。

はじめてのDatabricks

はじめてのDatabricks

Databricks無料トライアル

Databricks無料トライアル