Guia de geração de imagens para Android

Com a tarefa "Gerador de imagens do MediaPipe", você gera imagens com base em um comando de texto. Essa 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 ampliar 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 retreinamento. 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 seu próprio app Android ou consultá-lo ao modificar um app já existente. O código de exemplo do Gerador de imagens está hospedado no GitHub (link em inglês).

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 git usando o seguinte comando:

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

2. Como opção, configure sua instância git para usar a finalização da compra esparsa para que você tenha apenas os arquivos do app de exemplo Gerador de imagens:

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

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

Principais componentes

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

• ImageGenerationHelper.kt: inicializa a tarefa e processa a geração da imagem.
• DiffusionActivity.kt: gera imagens quando plug-ins ou pesos da LoRA não estão ativados.
• PluginActivity.kt: implementa os modelos de plug-in, o que permite que os usuários forneçam uma imagem de condição como uma entrada.
• LoRAWeightActivity.kt (link em inglês): acessa e processa os pesos da LoRA, que são 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 Image Generator. Para ter informações gerais sobre como configurar seu ambiente de desenvolvimento para usar tarefas do MediaPipe, incluindo requisitos de versão da plataforma, consulte o Guia de configuração para Android.

Dependências

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

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

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

Alguns dispositivos Android também podem exigir outras bibliotecas:

<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 gerador de imagens do MediaPipe requer um modelo de fundação treinado que seja compatível com ela. 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 ao dispositivo Android.

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

Fazer o download do modelo de base

O gerador de imagens exige que o modelo de fundação corresponda ao formato runwayml/stable-diffusion-v1-5 EMA-only, com base no seguinte modelo: runwayml/stable-diffusion-v1-5 (link em inglês).

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 ao 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 do plug-in e adicionar pesos de LoRA (opcional)

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

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

Criar a tarefa

A tarefa do 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, o que permite que os usuários incluam imagens de condição na entrada da tarefa, que o modelo de fundação pode ampliar e usar como referência para geração. Essas imagens de condição podem ser pontos de referência de rostos, 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 do ponto de referência do rosto usa faceConditionOptions, o plug-in Canny Edge usa edgeConditionOptions e o plug-in Depth usa depthConditionOptions.

Opções do Canny Edge

Configure as seguintes opções em edgeConditionOptions.

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

Opções de ponto de referência do rosto

Configure as seguintes opções em faceConditionOptions.

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

Opções de profundidade

Configure as seguintes opções em depthConditionOptions.

Criar apenas com o modelo de fundação

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 com setPluginModelBaseOptions. Se o modelo do plug-in precisar de outro modelo transferido por download para criar a imagem de 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 da 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 da imagem.
• imagem de condição (opcional): a imagem que o modelo usa como referência para geração. Aplicável somente ao usar um modelo de plug-in.
• condition type (opcional): o tipo de modelo de plug-in usado com a tarefa. Aplicável somente ao usar um modelo de plug-in.

Entradas apenas com o modelo de fundação

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 do 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 como uma entrada junto com o comando, a semente 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 prompt de texto caso você pretenda 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 apenas com o modelo de fundação

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 da LoRA

O processo de gerar imagens com um modelo personalizado com pesos LoRA é semelhante ao processo com um modelo de fundação padrão. Verifique se o token está incluído no prompt 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 visualizar esses resultados intermediários, chame o método setInputs e, em seguida, chame execute() para executar cada etapa. Defina o parâmetro showResult como true para exibir os resultados intermediários.

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

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

    return bitmap
}

Gerenciar e mostrar resultados

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

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

A imagem a seguir foi gerada a partir das entradas a seguir, usando apenas um modelo de fundação.

Entradas:

• Instrução: "um guaxinim colorido de desenho animado usando um chapéu de aba larga flexível segurando um graveto caminhando pela floresta, animação, visão de três quartos, pintura"
• Semente: 312687592
• Iterações: 20

Imagem gerada: