Guia de geração de imagens para Android

A tarefa do MediaPipe Image Generator permite gerar imagens com base em um comando de texto. Esta tarefa usa um modelo de texto para imagem para gerar imagens usando técnicas de difusão.

A tarefa aceita um comando de texto como entrada, junto com uma imagem de condição opcional que o modelo pode aumentar e usar como referência para geração. O Image Generator também pode gerar imagens com base em conceitos específicos fornecidos ao modelo durante o treinamento ou novo treinamento. Para mais informações, consulte Personalizar com LoRa.

O exemplo de código descrito nestas instruções está disponível no GitHub. Para mais informações sobre os recursos, modelos e opções de configuração dessa tarefa, consulte a Visão geral.

Exemplo de código

O código de exemplo do MediaPipe Tasks é uma implementação básica de um app Gerador de imagens para Android. Você pode usar o app como ponto de partida para o seu próprio app Android ou fazer referência a ele ao modificar um app existente. O código de exemplo do Gerador de imagens está hospedado no GitHub.

Fazer o download do código

As instruções a seguir mostram como criar uma cópia local do código de exemplo usando a ferramenta de linha de comando git.

Para fazer o download do código de exemplo:

1. Clone o repositório do Git usando o seguinte comando:

   git clone https://github.com/google-ai-edge/mediapipe-samples
   

2. Opcionalmente, configure sua instância do git para usar o checkout esparso, para que você tenha apenas os arquivos do app de exemplo do Image Generator:

   cd mediapipe
   git sparse-checkout init --cone
   git sparse-checkout set examples/image_generation/android
   

Depois de criar uma versão local do código de exemplo, você pode importar o projeto para o Android Studio e executar o app. Para ver instruções, consulte o Guia de configuração para Android.

Principais componentes

Os arquivos a seguir contêm o código crucial para este exemplo de aplicativo de geração de imagens:

• ImageGenerationHelper.kt: inicializa a tarefa e processa a geração de imagens.
• DiffusionActivity.kt: gera imagens quando os plug-ins ou pesos de LoRA não estão ativados.
• PluginActivity.kt: implementa os modelos do plug-in, permitindo que os usuários forneçam uma imagem de condição como entrada.
• LoRAWeightActivity.kt: acessa e processa os pesos LoRA, usados para personalizar modelos de fundação e permitir que eles gerem imagens de conceitos específicos.

Configuração

Esta seção descreve as principais etapas para configurar seu ambiente de desenvolvimento e projetos de código especificamente para usar o Gerador de imagens. Para informações gerais sobre como configurar seu ambiente de desenvolvimento para usar as tarefas do MediaPipe, incluindo os requisitos da versão da plataforma, consulte o Guia de configuração para Android.

Dependências

A tarefa "Gerador de imagens" usa a biblioteca com.google.mediapipe:tasks-vision-image-generator. Adicione essa dependência ao arquivo build.gradle do app Android:

dependencies {
    implementation 'com.google.mediapipe:tasks-vision-image-generator:latest.release'
}

Para dispositivos com o Android 12 (API 31) ou mais recente, adicione a dependência da biblioteca OpenCL nativa. Para mais informações, consulte a documentação da tag uses-native-library.

Adicione as seguintes tags uses-native-library ao arquivo AndroidManifest.xml:

<uses-native-library android:name="libOpenCL.so" android:required="false" />
<uses-native-library android:name="libOpenCL-car.so" android:required="false"/>
<uses-native-library android:name="libOpenCL-pixel.so" android:required="false" />

Modelo

A tarefa do MediaPipe Image Generator requer um modelo de base treinado compatível com essa tarefa. Depois de fazer o download de um modelo, instale as dependências necessárias e converta o modelo em um formato adequado. Em seguida, envie o modelo convertido para o dispositivo Android.

Para mais informações sobre os modelos treinados disponíveis para o Gerador de imagens, consulte a seção "Modelos" da visão geral da tarefa.

Baixar o modelo de fundação

O Image Generator exige que o modelo de base corresponda ao formato do modelo runwayml/stable-diffusion-v1-5 EMA-only, com base no seguinte modelo: runwayml/stable-diffusion-v1-5.

Instalar dependências e converter o modelo

$ pip install torch typing_extensions numpy Pillow requests pytorch_lightning absl-py

Execute o script convert.py:

$ python3 convert.py --ckpt_path <ckpt_path> --output_path <output_path>

Enviar o modelo convertido para o dispositivo

Envie o conteúdo da pasta <output_path> para o dispositivo Android.

$ adb shell rm -r /data/local/tmp/image_generator/ # Remove any previously loaded weights
$ adb shell mkdir -p /data/local/tmp/image_generator/
$ adb push <output_path>/. /data/local/tmp/image_generator/bins

Fazer o download de modelos de plug-in e adicionar pesos LoRA (opcional)

Se você pretende usar um modelo de plug-in, verifique se é necessário fazer o download do modelo. Para plug-ins que exigem um modelo extra, os modelos de plug-in precisam ser agrupados no APK ou transferidos por download sob demanda. Os modelos de plug-in são leves (cerca de 23 MB) e podem ser empacotados diretamente no APK. No entanto, recomendamos fazer o download de modelos de plug-in sob demanda.

Se você personalizou um modelo com LoRA, faça o download dele sob demanda. Para mais informações, consulte o modelo de plug-in de pesos do LoRA.

Criar a tarefa

A tarefa Gerador de imagens do MediaPipe usa a função createFromOptions() para configurar a tarefa. A função createFromOptions() aceita valores para as opções de configuração. Para mais informações sobre as opções de configuração, consulte Opções de configuração.

Opções de configuração

Esta tarefa tem as seguintes opções de configuração para apps Android:

A tarefa também oferece suporte a modelos de plug-in, que permitem que os usuários incluam imagens de condição na entrada da tarefa, que o modelo de base pode aumentar e usar como referência para geração. Essas imagens de condição podem ser pontos de referência do rosto, contornos de bordas e estimativas de profundidade, que o modelo usa como contexto e informações adicionais para gerar imagens.

Ao adicionar um modelo de plug-in ao modelo de base, configure também as opções do plug-in. O plug-in de marco facial usa faceConditionOptions, o plug-in de borda Canny usa edgeConditionOptions e o plug-in de profundidade usa depthConditionOptions.

Opções do Canny Edge

Configure as seguintes opções no edgeConditionOptions.

Para mais informações sobre como essas opções de configuração funcionam, consulte Detector de borda do Canny.

Opções de pontos de referência do rosto

Configure as seguintes opções em faceConditionOptions.

Para mais informações sobre como essas opções de configuração funcionam, consulte a tarefa Face Landmarker.

Opções de profundidade

Configure as seguintes opções em depthConditionOptions.

Criar com apenas o modelo de base

val options = ImageGeneratorOptions.builder()
    .setImageGeneratorModelDirectory(modelPath)
    .build()

imageGenerator = ImageGenerator.createFromOptions(context, options)

Criar com plug-ins

Se você estiver aplicando um modelo de plug-in opcional, defina as opções básicas para o modelo de plug-in com setPluginModelBaseOptions. Se o modelo do plug-in exigir um modelo baixado adicional para criar a imagem da condição, especifique o caminho em BaseOptions.

val options = ImageGeneratorOptions.builder()
    .setImageGeneratorModelDirectory(modelPath)
    .build()

val faceModelBaseOptions = BaseOptions.builder()
    .setModelAssetPath("face_landmarker.task")
    .build()

val facePluginModelBaseOptions = BaseOptions.builder()
    .setModelAssetPath("face_landmark_plugin.tflite")
    .build()

val faceConditionOptions = FaceConditionOptions.builder()
    .setFaceModelBaseOptions(faceModelBaseOptions)
    .setPluginModelBaseOptions(facePluginModelBaseOptions)
    .setMinFaceDetectionConfidence(0.3f)
    .setMinFacePresenceConfidence(0.3f)
    .build()

val conditionOptions = ConditionOptions.builder()
    .setFaceConditionOptions(faceConditionOptions)
    .build()

imageGenerator =
    ImageGenerator.createFromOptions(context, options, conditionOptions)
    

val options = ImageGeneratorOptions.builder()
    .setImageGeneratorModelDirectory(modelPath)
    .build()

val edgePluginModelBaseOptions = BaseOptions.builder()
    .setModelAssetPath("canny_edge_plugin.tflite")
    .build()

val edgeConditionOptions = EdgeConditionOptions.builder()
    .setThreshold1(100.0f)
    .setThreshold2(100.0f)
    .setApertureSize(3)
    .setL2Gradient(false)
    .setPluginModelBaseOptions(edgePluginModelBaseOptions)
    .build()

val conditionOptions = ConditionOptions.builder()
    .setEdgeConditionOptions(edgeConditionOptions)
    .build()

imageGenerator =
    ImageGenerator.createFromOptions(context, options, conditionOptions)
    

val options = ImageGeneratorOptions.builder()
    .setImageGeneratorModelDirectory(modelPath)
    .build()

val depthModelBaseOptions = BaseOptions.builder()
    .setModelAssetPath("depth_model.tflite")
    .build()

val depthPluginModelBaseOptions = BaseOptions.builder()
    .setModelAssetPath("depth_plugin.tflite")
    .build()

val depthConditionOptions =
    ConditionOptions.DepthConditionOptions.builder()
        .setDepthModelBaseOptions(depthModelBaseOptions)
        .setPluginModelBaseOptions(depthPluginModelBaseOptions)
        .build()

val conditionOptions = ConditionOptions.builder()
    .setDepthConditionOptions(depthConditionOptions)
    .build()

imageGenerator =
    ImageGenerator.createFromOptions(context, options, conditionOptions)
    

Criar com pesos de LoRA

Se você estiver incluindo pesos LoRA, use o parâmetro loraWeightsFilePath para apontar para o local do caminho.

val options = ImageGeneratorOptions.builder()
    .setLoraWeightsFilePath(weightsPath)
    .setImageGeneratorModelDirectory(modelPath)
    .build()

imageGenerator = ImageGenerator.createFromOptions(context, options)

Preparar dados

O Gerador de imagens aceita as seguintes entradas:

• prompt (obrigatório): o comando de texto que descreve a imagem a ser gerada.
• iterations (obrigatório): o total de iterações para gerar a imagem. Um bom ponto de partida é 20.
• seed (obrigatório): a semente aleatória usada durante a geração de imagens.
• imagem de condição (opcional): a imagem que o modelo usa como referência para geração. Aplicável apenas ao usar um modelo de plug-in.
• Tipo de condição (opcional): o tipo de modelo de plug-in usado com a tarefa. Aplicável apenas ao usar um modelo de plug-in.

Entradas com apenas o modelo de base

fun setInput(prompt: String, iteration: Int, seed: Int) {
    imageGenerator.setInputs(prompt, iteration, seed)
}

Entradas com plug-ins

Se você estiver aplicando um modelo de plug-in opcional, use também o parâmetro conditionType para escolher o modelo de plug-in e o parâmetro sourceConditionImage para gerar a imagem de condição.

Se você estiver usando um modelo de plug-in, use createConditionImage para criar a imagem de condição:

fun createConditionImage(
    inputImage: MPImage,
    conditionType: ConditionType
): Bitmap {
    val result =
        imageGenerator.createConditionImage(inputImage, conditionType)
    return BitmapExtractor.extract(result)
}

Depois de criar a imagem de condição, inclua-a como uma entrada com o comando, a sugestão e o número de iterações.

imageGenerator.setInputs(
    prompt,
    conditionalImage,
    conditionType,
    iteration,
    seed
)

Entradas com pesos da LoRA

Se você estiver usando pesos LoRA, verifique se o token está no comando de texto se você pretende gerar uma imagem com o conceito específico representado pelos pesos.

fun setInput(prompt: String, iteration: Int, seed: Int) {
    imageGenerator.setInputs(prompt, iteration, seed)
}

Executar a tarefa

Use o método generate() para gerar uma imagem usando as entradas fornecidas na seção anterior. Isso produz uma única imagem gerada.

Gerar com apenas o modelo de base

fun generate(prompt: String, iteration: Int, seed: Int): Bitmap {
    val result = imageGenerator.generate(prompt, iteration, seed)
    val bitmap = BitmapExtractor.extract(result?.generatedImage())
    return bitmap
}

Gerar com plug-ins

fun generate(
    prompt: String,
    inputImage: MPImage,
    conditionType: ConditionType,
    iteration: Int,
    seed: Int
): Bitmap {
    val result = imageGenerator.generate(
        prompt,
        inputImage,
        conditionType,
        iteration,
        seed
    )
    val bitmap = BitmapExtractor.extract(result?.generatedImage())
    return bitmap
}

Gerar com pesos LoRA

O processo de geração de imagens com um modelo personalizado com pesos LoRA é semelhante ao processo com um modelo de base padrão. Verifique se o token está incluído no comando e execute o mesmo código.

fun generate(prompt: String, iteration: Int, seed: Int): Bitmap {
    val result = imageGenerator.generate(prompt, iteration, seed)
    val bitmap = BitmapExtractor.extract(result?.generatedImage())
    return bitmap
}

Geração iterativa

O Gerador de imagens também pode gerar as imagens intermediárias geradas durante cada iteração, conforme definido no parâmetro de entrada iterations. Para conferir esses resultados intermediários, chame o método setInputs e, em seguida, chame execute() para executar cada etapa. Defina o parâmetro showResult como true para mostrar os resultados intermediários.

fun execute(showResult: Boolean): Bitmap {
    val result = imageGenerator.execute(showResult)

    val bitmap =
        BitmapExtractor.extract(result.generatedImage())

    return bitmap
}

Gerenciar e exibir resultados

O Gerador de imagens retorna um ImageGeneratorResult, que inclui a imagem gerada, um carimbo de data/hora do tempo de conclusão e a imagem condicional, se uma tiver sido fornecida como entrada.

val bitmap = BitmapExtractor.extract(result.generatedImage())

A imagem a seguir foi gerada com base nas seguintes entradas, usando apenas um modelo de base.

Entradas:

• Instrução: "um guaxinim de desenho animado colorido usando um chapéu largo e solto segurando uma vara enquanto caminha pela floresta, animado, vista de três quartos, pintura"
• Semente: 312687592
• Iterações: 20

Imagem gerada: