diffusers/main/ar/api/models/autoencoder_kl_kvae_video.md

AutoencoderKLKVAEVideo

نموذج الترميز التلقائي التبايني ثلاثي الأبعاد (VAE) مع خسارة كولباك-ليبلر.

يمكن تحميل النموذج باستخدام مقتطف الشيفرة التالي.

import torch
from diffusers import AutoencoderKLKVAEVideo

vae = AutoencoderKLKVAEVideo.from_pretrained("kandinskylab/KVAE-3D-1.0", subfolder="diffusers", dtype=torch.float16)

AutoencoderKLKVAEVideo[[diffusers.AutoencoderKLKVAEVideo]]

diffusers.AutoencoderKLKVAEVideo[[diffusers.AutoencoderKLKVAEVideo]]

diffusers.AutoencoderKLKVAEVideo(ch: int = 128, ch_mult: typing.Tuple[int, ...] = (1, 2, 4, 8), num_res_blocks: int = 2, in_channels: int = 3, out_ch: int = 3, z_channels: int = 16, temporal_compress_times: int = 4)

المصدر

المعاملات:

ch (int، اختياري، القيمة الافتراضية 128) : عدد القنوات الأساسي.

ch_mult (Tuple[int]، اختياري، القيمة الافتراضية (1, 2, 4, 8)) : مضاعفات القنوات لكل مستوى.

num_res_blocks (int، اختياري، القيمة الافتراضية 2) : عدد كتل البقايا (residual blocks) لكل مستوى.

in_channels (int، اختياري، القيمة الافتراضية 3) : عدد قنوات الإدخال.

out_ch (int، اختياري، القيمة الافتراضية 3) : عدد قنوات الإخراج.

z_channels (int، اختياري، القيمة الافتراضية 16) : عدد قنوات الكمون.

temporal_compress_times (int، اختياري، القيمة الافتراضية 4) : معامل الضغط الزمني.

نموذج VAE مع خسارة KL لتشفير مقاطع الفيديو إلى كامنات وفك تمثيل الكامنات إلى مقاطع فيديو. يُستخدم في KVAE.

يرث هذا النموذج من ModelMixin. راجع توثيق الفئة الأصلية لمعرفة طرقها العامة المُنفَّذة لجميع النماذج (مثل التنزيل أو الحفظ).

فك الترميز[[diffusers.AutoencoderKLKVAEVideo.decode]]

decode(z: Tensor, return_dict: bool = True)

المصدر

المعاملات:

z (torch.Tensor) : دفعة إدخال من المتجهات الكامنة ذات الشكل (B, C, T, H, W).

return_dict (bool، اختياري، القيمة الافتراضية True) : ما إذا كان يجب إرجاع ~models.vae.DecoderOutput بدلاً من tuple عادي.

يعيد: ~models.vae.DecoderOutput أو tuple

فيديو مُفكّك الترميز.

فكّ ترميز دفعة من مقاطع الفيديو.

disable_slicing[[diffusers.AutoencoderKLKVAEVideo.disable_slicing]]

disable_slicing()

المصدر

تعطيل فك ترميز VAE المقطّع.

enable_slicing[[diffusers.AutoencoderKLKVAEVideo.enable_slicing]]

enable_slicing()

المصدر

تفعيل فك ترميز VAE المقطعي.

ترميز[[diffusers.AutoencoderKLKVAEVideo.encode]]

encode(x: Tensor, return_dict: bool = True)

المصدر

المعاملات:

x (torch.Tensor) : دفعة إدخال من مقاطع الفيديو ذات الشكل (B, C, T, H, W).

return_dict (bool، اختياري، الافتراضي True) : ما إذا كان يجب إرجاع ~models.autoencoder_kl.AutoencoderKLOutput بدلاً من tuple عادي.

يعيد:

تمثيلات الكامنة للفيديوهات المُرمّزة.

ترميز دفعة من مقاطع الفيديو إلى كامنات.

forward[[diffusers.AutoencoderKLKVAEVideo.forward]]

forward(sample: Tensor, sample_posterior: bool = False, return_dict: bool = True, generator: typing.Optional[torch.Generator] = None)

المصدر

المعاملات:

sample (torch.Tensor) : عينة الإدخال.

sample_posterior (bool، اختياري، الافتراضي False) : ما إذا كان سيتم أخذ عينة من التوزيع اللاحق.

return_dict (bool، اختياري، الافتراضي True) : ما إذا كان يجب إرجاع DecoderOutput بدلاً من tuple عادي.

generator (torch.Generator، اختياري) : torch.Generator لجعل عملية أخذ العينات حتمية.

يعيد: ~models.vae.DecoderOutput أو tuple

إذا كان return_dict صحيحًا، يُعاد ~models.vae.DecoderOutput، وإلا يُعاد tuple عادي.