Buckets:
| # Procesador de video | |
| El `VideoProcessor` ofrece una API unificada para los pipelines de video con el fin de preparar las entradas para la codificación con VAE y realizar el posprocesado de las salidas una vez que se han decodificado. La clase hereda de [VaeImageProcessor](/docs/diffusers/main/es/api/image_processor#diffusers.VaeImageProcessor), por lo que incluye transformaciones como el redimensionado, la normalización y la conversión entre imágenes PIL, PyTorch y matrices de NumPy. | |
| ## VideoProcessor[[diffusers.VideoProcessor.preprocess_video]] | |
| #### diffusers.VideoProcessor.preprocess_video[[diffusers.VideoProcessor.preprocess_video]] | |
| ```python | |
| diffusers.VideoProcessor.preprocess_video(video, height: int | None = None, width: int | None = None, **kwargs) | |
| ``` | |
| [Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/video_processor.py#L28) | |
| **Parámetros:** | |
| video (`list[PIL.Image]`, `list[list[PIL.Image]]`, `torch.Tensor`, `np.array`, `list[torch.Tensor]`, `list[np.array]`) : El video de entrada. Puede ser uno de los siguientes: * lista de imágenes PIL. * lista de listas de imágenes PIL. * tensores Torch de 4D (forma esperada para cada tensor `(num_frames, num_channels, height, width)`). * matrices NumPy de 4D (forma esperada para cada matriz `(num_frames, height, width, num_channels)`). * lista de tensores Torch de 4D (forma esperada para cada tensor `(num_frames, num_channels, height, width)`). * lista de matrices NumPy de 4D (forma esperada para cada matriz `(num_frames, height, width, num_channels)`). * matrices NumPy de 5D: forma esperada para cada matriz `(batch_size, num_frames, height, width, num_channels)`. * tensores Torch de 5D: forma esperada para cada matriz `(batch_size, num_frames, num_channels, height, width)`. | |
| height (`int`, *opcional*, valor predeterminado `None`) : La altura en fotogramas preprocesados del video. Si es `None`, se usará `get_default_height_width()` para obtener la altura predeterminada. | |
| width (`int`, *optional*`, defaults to `None`) : The width in preprocessed frames of the video. If `None`, will use get_default_height_width()` to get the default width. | |
| **Devuelve:** `torch.Tensor` de forma `(batch_size, num_channels, num_frames, height, width)` | |
| Un tensor de 5D que contiene los videos en lotes con los canales al inicio. | |
| Preprocesa el video de entrada. Los argumentos de palabra clave se reenviarán a `VaeImageProcessor.preprocess`. | |
| #### diffusers.VideoProcessor.postprocess_video[[diffusers.VideoProcessor.postprocess_video]] | |
| ```python | |
| diffusers.VideoProcessor.postprocess_video(video: Tensor, output_type: str = 'np', **kwargs) | |
| ``` | |
| [Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/video_processor.py#L93) | |
| **Parámetros:** | |
| video (`torch.Tensor`) : El video como tensor. | |
| output_type (`str`, por defecto `"np"`) : Tipo de salida del tensor `video` después del postprocesado. | |
| Convierte un tensor de video en una lista de fotogramas para su exportación. Los argumentos de palabra clave se reenviarán a `VaeImageProcessor.postprocess`. | |
Xet Storage Details
- Size:
- 3.08 kB
- Xet hash:
- 2a660399f2c0dafbbb7b3e7115533e1bf15f29b92405a828a0ea67921a79eed6
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.