Mi az a ControlNet és mire valóak a conditioning térképek (mélység, canny, póz)?

A ControlNet egy olyan architektúra, amely kibővíti a diffúziós modellek képalkotási képességeit, lehetővé téve a generációs folyamat pontosabb irányítását kiegészítő bemenetek — kondicionáló térképek — segítségével. Ezek a térképek irányadó információként szolgálnak, amelyek segítik a modellt abban, hogy a megadott struktúráknak vagy jellemzőknek megfelelő képeket hozzon létre.

A fő típusú kondicionáló térképek:

• Mélységtérkép — olyan térkép, amely megmutatja a távolságot a jelenetben lévő tárgyaktól. Lehetővé teszi a modell számára, hogy figyelembe vegye a háromdimenziós szerkezetet és a perspektívát.
• Canny térkép — a Canny éldetektor eredménye, amely kiemeli az objektumok kontúrjait. Segít megőrizni az alakot és a körvonalakat a generálás során.
• Testtartás térkép — általában egy személy vagy állat vázát ábrázoló térkép. Olyan képek generálására használják, amelyek adott testtartással vagy pozícióval rendelkeznek.

Ezeknek a térképeknek a használata lehetővé teszi, hogy kontrolláltabb és előre láthatóbb eredményeket érjünk el a képgenerálás során, miközben megőrizzük a diffúziós modell kreatív szabadságát.