Buckets:

hf-doc-build
/

doc

Files
xet
hf-doc-build/doc / diffusers /main /ko /api /image_processor.md
mishig
about 8 hours ago
preview code
download
raw
27 kB
# VAE 이미지 프로세서

[VaeImageProcessor](/docs/diffusers/main/ko/api/image_processor#diffusers.VaeImageProcessor)는 [StableDiffusionPipeline](/docs/diffusers/main/ko/api/pipelines/stable_diffusion/text2img#diffusers.StableDiffusionPipeline)이 VAE 인코딩을 위해 이미지 입력을 준비하고, 디코딩된 출력을 후처리할 때 사용할 수 있는 통합된 API를 제공합니다. 여기에는 리사이즈, 정규화, PIL Image, PyTorch, NumPy 배열 간의 변환과 같은 변환 작업이 포함됩니다.

[VaeImageProcessor](/docs/diffusers/main/ko/api/image_processor#diffusers.VaeImageProcessor)를 사용하는 모든 파이프라인은 PIL Image, PyTorch tensor 또는 NumPy 배열을 이미지 입력으로 받아 사용자의 `output_type` 인자에 따라 출력을 반환합니다. 인코딩된 이미지 latents를 파이프라인에 직접 전달하고 `output_type` 인자를 통해 특정 출력(예: `output_type="latent"`)으로 latents를 반환할 수 있습니다. 이를 통해 하나의 파이프라인에서 생성된 latents를 latent space를 벗어나지 않고 다른 파이프라인의 입력으로 전달할 수 있습니다. 또한 PyTorch tensor를 서로 다른 파이프라인 사이에 직접 전달함으로써 여러 파이프라인을 함께 사용하는 것이 훨씬 쉬워집니다.

## VaeImageProcessor[[diffusers.VaeImageProcessor]]

#### diffusers.VaeImageProcessor[[diffusers.VaeImageProcessor]]

```python
diffusers.VaeImageProcessor(do_resize: bool = True, vae_scale_factor: int = 8, vae_latent_channels: int = 4, resample: str = 'lanczos', reducing_gap: int | None = None, do_normalize: bool = True, do_binarize: bool = False, do_convert_rgb: bool = False, do_convert_grayscale: bool = False)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L83)

**매개변수:**

do_resize (`bool`, *선택 사항*, 기본값 `True`) : 이미지의 (height, width) 차원을 `vae_scale_factor`의 배수로 다운스케일할지 여부입니다. [image_processor.VaeImageProcessor.preprocess()](/docs/diffusers/main/ko/api/image_processor#diffusers.VaeImageProcessor.preprocess) 메서드에서 `height` 및 `width` 인수를 받을 수 있습니다.
vae_scale_factor (`int`, *선택 사항*, 기본값 `8`) : VAE 스케일 팩터입니다. `do_resize`가 `True`인 경우, 이미지는 이 팩터의 배수로 자동으로 리사이즈됩니다.

resample (`str`, *선택 사항*, 기본값 `lanczos`) : 이미지를 리사이즈할 때 사용할 리샘플링 필터.

do_normalize (`bool`, *선택 사항*, 기본값 `True`) : 이미지를 [-1,1] 범위로 정규화할지 여부.
do_binarize (`bool`, *선택 사항*, 기본값 `False`) : 이미지를 0/1로 바이너리화할지 여부.

do_convert_rgb (`bool`, *선택 사항*, 기본값은 `False`) : 이미지를 RGB 형식으로 변환할지 여부.

do_convert_grayscale (`bool`, *선택 사항*, 기본값은 `False`) : 이미지를 회색조 형식으로 변환할지 여부.

VAE용 이미지 프로세서.

#### apply_overlay[[diffusers.VaeImageProcessor.apply_overlay]]

```python
apply_overlay(mask: Image, init_image: Image, image: Image, crop_coords: tuple[int, int, int, int] | None = None)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L789)

**매개변수:**

mask (`PIL.Image.Image`) : 오버레이할 영역을 강조하는 마스크 이미지.

init_image (`PIL.Image.Image`) : 오버레이가 적용되는 원본 이미지.
image (`PIL.Image.Image`) : 원본 위에 오버레이할 이미지.
crop_coords (`tuple[int, int, int, int]`, *선택 사항*) : 이미지를 자를 좌표입니다. 지정된 경우 이미지가 해당 좌표에 따라 잘립니다.

**반환값:** `PIL.Image.Image`

오버레이가 적용된 최종 이미지.

…

#### binarize[[diffusers.VaeImageProcessor.binarize]]

```python
binarize(image: Image)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L524)

**매개변수:**

image (`PIL.Image.Image`) : 이미지 입력값으로, PIL 이미지여야 합니다.

**반환값:** `PIL.Image.Image`

이진화된 이미지. 0.5보다 작은 값은 0으로, 0.5보다 큰 값은 1로 설정됩니다.

마스크를 생성합니다.

#### 블러[[diffusers.VaeImageProcessor.blur]]

```python
blur(image: Image, blur_factor: int = 4)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L271)

**매개변수:**

image (`PIL.Image.Image`) : 회색조로 변환할 PIL 이미지.

**반환값:** `PIL.Image.Image`

회색 변환된 PIL 이미지.

이미지에 가우시안 블러를 적용합니다.

#### convert_to_grayscale[[diffusers.VaeImageProcessor.convert_to_grayscale]]

```python
convert_to_grayscale(image: Image)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L254)

**매개변수:**

image (`PIL.Image.Image`) : 변환할 입력 이미지.

**반환값:** `PIL.Image.Image`

회색으로 변환된 이미지.

주어진 PIL 이미지를 회색조로 변환합니다.

#### convert_to_rgb[[diffusers.VaeImageProcessor.convert_to_rgb]]

```python
convert_to_rgb(image: Image)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L237)

**매개변수:**

image (`PIL.Image.Image`) : RGB로 변환할 PIL 이미지.

**반환값:** `PIL.Image.Image`

RGB로 변환된 PIL 이미지.

PIL 이미지를 RGB 형식으로 변환합니다.

#### denormalize[[diffusers.VaeImageProcessor.denormalize]]

```python
denormalize(images: typing.Union[numpy.ndarray, torch.Tensor])
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L222)

**매개변수:**

images (`np.ndarray` 또는 `torch.Tensor`) : 역정규화할 이미지 배열.

**반환값:** `np.ndarray` 또는 `torch.Tensor`

비정규화된 이미지 배열.

이미지 배열을 [0,1] 범위로 비정규화합니다.

#### get_crop_region[[diffusers.VaeImageProcessor.get_crop_region]]

```python
get_crop_region(mask_image: Image, width: int, height: int, pad = 0)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L288)

**매개변수:**

mask_image (PIL.Image.Image) : 마스크 이미지.
width (int) : 처리할 이미지의 너비.
height (int) : 처리할 이미지의 높이.
pad (int, optional) : crop 영역에 추가할 padding입니다. 기본값은 0입니다.
**반환값:** `tuple`
(x1, y1, x2, y2)는 이미지 내 모든 마스킹된 영역을 포함하고 원래의 종횡비를 유지하는 직사각형 영역을 나타냅니다.
이미지 내 모든 마스킹된 영역을 포함하는 직사각형 영역을 찾은 후, 원본 이미지의 종횡비(aspect ratio)에 맞게 영역을 확장합니다. 예를 들어, 사용자가 128x32 영역에 마스킹을 그렸고 처리 차원이 512x512인 경우, 해당 영역은 128x128로 확장됩니다.
#### get_default_height_width[[diffusers.VaeImageProcessor.get_default_height_width]]
```python
get_default_height_width(image: typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor], height: int | None = None, width: int | None = None)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L561)
**매개변수:**
image (`PIL.Image.Image | np.ndarray | torch.Tensor`) : PIL 이미지, NumPy 배열 또는 PyTorch 텐서일 수 있는 이미지 입력입니다. NumPy 배열인 경우, 형태가 `[batch, height, width]` 또는 `[batch, height, width, channels]`여야 합니다. PyTorch 텐서인 경우, 형태가 `[batch, channels, height, width]`여야 합니다.
height (`int | None`, *선택 사항*, 기본값 `None`) : 전처리된 이미지의 높이입니다. `None`인 경우 `image` 입력의 높이가 사용됩니다.
width (`int | None`, *선택 사항*, 기본값 `None`) : 전처리된 이미지의 너비입니다. `None`인 경우 `image` 입력의 너비를 사용합니다.
**반환값:** `tuple[int, int]`
`vae_scale_factor`의 가장 가까운 정수 배수로 리사이즈된 높이와 너비를 포함하는 튜플입니다.
`vae_scale_factor`의 정수 배로 축소된 이미지의 높이와 너비를 반환합니다.
#### normalize[[diffusers.VaeImageProcessor.normalize]]
```python
normalize(images: typing.Union[numpy.ndarray, torch.Tensor])
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L207)
**매개변수:**
images (`np.ndarray` 또는 `torch.Tensor`) : 정규화할 이미지 배열.
**반환값:** `np.ndarray` 또는 `torch.Tensor`
정규화된 이미지 배열.
이미지 배열을 [-1,1] 범위로 정규화합니다.
#### numpy_to_pil[[diffusers.VaeImageProcessor.numpy_to_pil]]
```python
numpy_to_pil(images: ndarray)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L128)
**매개변수:**
images (`np.ndarray`) : PIL 형식으로 변환할 이미지 배열.
**반환값:** `list[PIL.Image.Image]`
PIL 이미지 목록.
numpy 이미지 또는 이미지 배치 하나를 PIL 이미지로 변환합니다.
#### numpy_to_pt[[diffusers.VaeImageProcessor.numpy_to_pt]]
```python
numpy_to_pt(images: ndarray)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L172)
**매개변수:**
images (`np.ndarray`) : PyTorch 형식으로 변환할 NumPy 이미지 배열.
**반환값:** `torch.Tensor`
이미지의 PyTorch 텐서 표현입니다.
NumPy 이미지를 PyTorch 텐서로 변환합니다.
#### pil_to_numpy[[diffusers.VaeImageProcessor.pil_to_numpy]]
```python
pil_to_numpy(images: list[PIL.Image.Image] | PIL.Image.Image)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L152)
**매개변수:**
images (`PIL.Image.Image` 또는 `list[PIL.Image.Image]`) : NumPy 형식으로 변환할 PIL 이미지 또는 이미지 목록.
**반환값:** `np.ndarray`
이미지의 NumPy 배열 표현입니다.
PIL 이미지 또는 PIL 이미지 목록을 NumPy 배열로 변환합니다.
#### postprocess[[diffusers.VaeImageProcessor.postprocess]]
```python
postprocess(image: Tensor, output_type: str = 'pil', do_denormalize: list[bool] | None = None)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L739)
**매개변수:**
image (`torch.Tensor`) : 이미지 입력값으로, `B x C x H x W` 형상의 pytorch 텐서여야 합니다.
output_type (`str`, *선택 사항*, 기본값 `pil`) : 이미지의 출력 유형으로, `pil`, `np`, `pt`, `latent` 중 하나를 사용할 수 있습니다.
do_denormalize (`list[bool]`, *선택 사항*, 기본값 `None`) : 이미지를 [0,1] 범위로 비정규화할지 여부입니다. `None`인 경우 `VaeImageProcessor` 설정의 `do_normalize` 값을 사용합니다.
**반환값:** `PIL.Image.Image`, `np.ndarray` 또는 `torch.Tensor`
후처리된 이미지.
텐서에서 `output_type`로 이미지 출력을 후처리합니다.
#### preprocess[[diffusers.VaeImageProcessor.preprocess]]
```python
preprocess(image: typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor]], height: int | None = None, width: int | None = None, resize_mode: str = 'default', crops_coords: tuple[int, int, int, int] | None = None)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L608)
**매개변수:**
image (`PipelineImageInput`) : 이미지 입력으로, PIL 이미지, NumPy 배열, PyTorch 텐서 형식을 지원하며 지원되는 형식의 리스트도 허용합니다.
height (`int`, *선택 사항*) : 전처리된 이미지의 높이입니다. `None`인 경우 `get_default_height_width()`를 사용하여 기본 높이를 가져옵니다.
width (`int`, *선택 사항*) : 전처리된 이미지의 너비입니다. `None`인 경우, 기본 너비를 가져오기 위해 get_default_height_width()`를 사용합니다.
resize_mode (`str`, *선택 사항*, 기본값 `default`) : 리사이즈 모드입니다. `default` 또는 `fill` 중 하나여야 합니다. `default`인 경우, 지정된 너비와 높이에 맞게 이미지를 리사이즈하며 원래의 종횡비를 유지하지 않을 수 있습니다. `fill`인 경우, 종횡비를 유지하면서 지정된 너비와 높이에 맞게 이미지를 리사이즈한 후, 해당 차원 내에서 이미지를 중앙 정렬하고 빈 공간을 이미지 데이터로 채웁니다. `crop`인 경우, 종횡비를 유지하면서 지정된 너비와 높이에 맞게 이미지를 리사이즈한 후, 해당 차원 내에서 이미지를 중앙 정렬하고 초과 부분을 잘라냅니다. resize_mode `fill`과 `crop`는 PIL 이미지 입력에서만 지원된다는 점에 유의하세요.
crops_coords (`list[tuple[int, int, int, int]]`, *선택 사항*, 기본값 `None`) : 배치 내 각 이미지의 크롭 좌표입니다. `None`인 경우 이미지를 크롭하지 않습니다.
**반환값:** `torch.Tensor`
전처리된 이미지.
이미지 입력을 전처리합니다.
#### pt_to_numpy[[diffusers.VaeImageProcessor.pt_to_numpy]]
```python
pt_to_numpy(images: Tensor)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L191)
**매개변수:**
images (`torch.Tensor`) : NumPy 형식으로 변환할 PyTorch 텐서.
**반환값:** `np.ndarray`
이미지의 NumPy 배열 표현입니다.
PyTorch 텐서를 NumPy 이미지로 변환합니다.
#### 크기 조정[[diffusers.VaeImageProcessor.resize]]
```python
resize(image: typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor], height: int, width: int, resize_mode: str = 'default')
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L463)
**매개변수:**
image (`PIL.Image.Image`, `np.ndarray` 또는 `torch.Tensor`) : 이미지 입력으로, PIL 이미지, numpy 배열 또는 pytorch 텐서일 수 있습니다.
height (`int`) : 리사이즈할 높이.
width (`int`) : 리사이즈할 너비.
resize_mode (`str`, *선택 사항*, 기본값 `default`) : 사용할 리사이즈 모드입니다. `default` 또는 `fill` 중 하나여야 합니다. `default`인 경우, 지정된 너비와 높이에 맞게 이미지를 리사이즈하며 원래의 종횡비를 유지하지 않을 수 있습니다. `fill`인 경우, 종횡비를 유지하면서 지정된 너비와 높이에 맞게 이미지를 리사이즈한 후, 차원을 중심으로 이미지를 배치하고 빈 공간을 이미지 데이터로 채웁니다. `crop`인 경우, 종횡비를 유지하면서 지정된 너비와 높이에 맞게 이미지를 리사이즈한 후, 차원을 중심으로 이미지를 배치하고 초과 부분을 잘라냅니다. `fill` 및 `crop` resize_mode는 PIL 이미지 입력에서만 지원된다는 점에 유의하세요.
**반환값:** `PIL.Image.Image`, `np.ndarray` 또는 `torch.Tensor`
크기가 조정된 이미지.
이미지 크기 조정
## InpaintProcessor[[diffusers.InpaintProcessor]]
[InpaintProcessor](/docs/diffusers/main/ko/api/image_processor#diffusers.InpaintProcessor)는 `mask`와 `image` 입력을 받아 함께 처리합니다. 선택적으로 padding_mask_crop을 받아 mask 오버레이를 적용할 수 있습니다.
#### diffusers.InpaintProcessor[[diffusers.InpaintProcessor]]
```python
diffusers.InpaintProcessor(do_resize: bool = True, vae_scale_factor: int = 8, vae_latent_channels: int = 4, resample: str = 'lanczos', reducing_gap: int | None = None, do_normalize: bool = True, do_binarize: bool = False, do_convert_grayscale: bool = False, mask_do_normalize: bool = False, mask_do_binarize: bool = True, mask_do_convert_grayscale: bool = True)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L837)
인페인팅용 이미지와 마스크를 처리하는 이미지 프로세서
#### postprocess[[diffusers.InpaintProcessor.postprocess]]
```python
postprocess(image: Tensor, output_type: str = 'pil', original_image: PIL.Image.Image | None = None, original_mask: PIL.Image.Image | None = None, crops_coords: tuple[int, int, int, int] | None = None)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L944)
이미지를 후처리하고, 선택적으로 마스크 오버레이를 적용합니다
#### preprocess[[diffusers.InpaintProcessor.preprocess]]
```python
preprocess(image: Image, mask: PIL.Image.Image | None = None, height: int | None = None, width: int | None = None, padding_mask_crop: int | None = None)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L882)
이미지와 마스크를 전처리합니다.
## VaeImageProcessorLDM3D[[diffusers.VaeImageProcessorLDM3D]]
[VaeImageProcessorLDM3D](/docs/diffusers/main/ko/api/image_processor#diffusers.VaeImageProcessorLDM3D)는 RGB 및 깊이(depth) 입력을 받아 RGB 및 깊이 출력을 반환합니다.
#### diffusers.VaeImageProcessorLDM3D[[diffusers.VaeImageProcessorLDM3D]]
```python
diffusers.VaeImageProcessorLDM3D(do_resize: bool = True, vae_scale_factor: int = 8, resample: str = 'lanczos', do_normalize: bool = True)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L974)
**매개변수:**
do_resize (`bool`, *선택 사항*, 기본값 `True`) : 이미지의 (높이, 너비) 차원을 `vae_scale_factor`의 배수로 다운스케일할지 여부.
vae_scale_factor (`int`, *선택 사항*, 기본값 `8`) : VAE 스케일 팩터입니다. `do_resize`가 `True`인 경우, 이미지는 이 팩터의 배수로 자동으로 리사이즈됩니다.
resample (`str`, *선택 사항*, 기본값 `lanczos`) : 이미지를 리사이즈할 때 사용할 리샘플링 필터.
do_normalize (`bool`, *선택 사항*, 기본값 `True`) : 이미지를 [-1,1] 범위로 정규화할지 여부.
VAE LDM3D용 이미지 프로세서입니다.
#### depth_pil_to_numpy[[diffusers.VaeImageProcessorLDM3D.depth_pil_to_numpy]]
```python
depth_pil_to_numpy(images: list[PIL.Image.Image] | PIL.Image.Image)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1025)
**매개변수:**
images (`list[PIL.Image.Image, PIL.Image.Image]`) : 변환할 입력 이미지 또는 이미지 목록.
**반환값:** `np.ndarray`
변환된 이미지의 NumPy 배열입니다.
PIL 이미지 또는 PIL 이미지 목록을 NumPy 배열로 변환합니다.
#### numpy_to_depth[[diffusers.VaeImageProcessorLDM3D.numpy_to_depth]]
```python
numpy_to_depth(images: ndarray)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1083)
**매개변수:**
images (`np.ndarray`) : 단일 이미지 또는 배치일 수 있는 깊이 이미지의 입력 NumPy 배열
**반환값:** `list[PIL.Image.Image]`
입력 NumPy 깊이 이미지에서 변환된 PIL 이미지 목록입니다.
NumPy 깊이 이미지 또는 이미지 배치 목록을 PIL 이미지 목록으로 변환합니다.
#### numpy_to_pil[[diffusers.VaeImageProcessorLDM3D.numpy_to_pil]]
```python
numpy_to_pil(images: ndarray)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1001)
**매개변수:**
images (`np.ndarray`) : 입력 NumPy 이미지 배열로, 단일 이미지 또는 배치일 수 있습니다.
**반환값:** `list[PIL.Image.Image]`
입력 NumPy 배열에서 변환된 PIL 이미지 목록입니다.
NumPy 이미지 또는 이미지 배치 목록을 PIL 이미지 목록으로 변환합니다.
#### preprocess[[diffusers.VaeImageProcessorLDM3D.preprocess]]
```python
preprocess(rgb: typing.Union[torch.Tensor, PIL.Image.Image, numpy.ndarray], depth: typing.Union[torch.Tensor, PIL.Image.Image, numpy.ndarray], height: int | None = None, width: int | None = None, target_res: int | None = None)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1161)
**매개변수:**
rgb (`torch.Tensor | PIL.Image.Image | np.ndarray`) : 단일 이미지 또는 배치일 수 있는 RGB 입력 이미지
depth (`torch.Tensor | PIL.Image.Image | np.ndarray`) : 단일 이미지 또는 배치일 수 있는 깊이 입력 이미지
height (`int | None`, *선택 사항*, 기본값 `None`) : 처리된 이미지의 원하는 높이입니다. `None`인 경우, 입력 이미지의 높이를 기본값으로 사용합니다.
width (`int | None`, *선택 사항*, 기본값 `None`) : 처리된 이미지의 원하는 너비입니다. `None`인 경우, 입력 이미지의 너비로 기본 설정됩니다.
target_res (`int | None`, *선택 사항*, 기본값 `None`) : 이미지를 리사이즈할 대상 해상도입니다. 지정된 경우 height와 width를 덮어씁니다.
**반환값:** `tuple[torch.Tensor, torch.Tensor]`
PyTorch 텐서로 처리된 RGB 및 깊이 이미지를 포함하는 튜플입니다.
이미지 입력을 전처리합니다. 허용되는 형식은 PIL 이미지, NumPy 배열 또는 PyTorch 텐서입니다.
#### rgblike_to_depthmap[[diffusers.VaeImageProcessorLDM3D.rgblike_to_depthmap]]
```python
rgblike_to_depthmap(image: typing.Union[numpy.ndarray, torch.Tensor])
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1045)
RGB와 유사한 깊이 이미지를 깊이 맵으로 변환합니다.
## PixArtImageProcessor[[diffusers.PixArtImageProcessor]]
#### diffusers.PixArtImageProcessor[[diffusers.PixArtImageProcessor]]
```python
diffusers.PixArtImageProcessor(do_resize: bool = True, vae_scale_factor: int = 8, resample: str = 'lanczos', do_normalize: bool = True, do_binarize: bool = False, do_convert_grayscale: bool = False)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1381)
**매개변수:**
do_resize (`bool`, *선택 사항*, 기본값 `True`) : 이미지의 (height, width) 차원을 `vae_scale_factor`의 배수로 다운스케일할지 여부입니다. [image_processor.VaeImageProcessor.preprocess()](/docs/diffusers/main/ko/api/image_processor#diffusers.VaeImageProcessor.preprocess) 메서드에서 `height` 및 `width` 인수를 받을 수 있습니다.

vae_scale_factor (`int`, *선택 사항*, 기본값 `8`) : VAE 스케일 팩터입니다. `do_resize`가 `True`인 경우, 이미지는 이 팩터의 배수로 자동으로 리사이즈됩니다.

resample (`str`, *선택 사항*, 기본값 `lanczos`) : 이미지를 리사이즈할 때 사용할 리샘플링 필터.

do_normalize (`bool`, *선택 사항*, 기본값 `True`) : 이미지를 [-1,1] 범위로 정규화할지 여부.
do_binarize (`bool`, *선택 사항*, 기본값 `False`) : 이미지를 0/1로 바이너리화할지 여부.

do_convert_rgb (`bool`, *선택 사항*, 기본값은 `False`) : 이미지를 RGB 형식으로 변환할지 여부.

do_convert_grayscale (`bool`, *선택 사항*, 기본값은 `False`) : 이미지를 회색조 형식으로 변환할지 여부.

PixArt 이미지의 리사이즈 및 크롭을 위한 이미지 프로세서.

#### classify_height_width_bin[[diffusers.PixArtImageProcessor.classify_height_width_bin]]

```python
classify_height_width_bin(height: int, width: int, ratios: dict)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1422)

**매개변수:**

height (`int`) : 이미지의 높이.

width (`int`) : 이미지의 너비.

ratios (`dict`) : 키가 종횡비이고 값이 (height, width) 튜플인 사전입니다.

**반환값:** `tuple[int, int]`

가장 가까운 버킷화된 높이와 너비.

aspect ratio에 기반하여 버닝된 높이와 너비를 반환합니다.

#### resize_and_crop_tensor[[diffusers.PixArtImageProcessor.resize_and_crop_tensor]]

```python
resize_and_crop_tensor(samples: Tensor, new_width: int, new_height: int)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1440)

**매개변수:**

samples (`torch.Tensor`) : N이 배치 크기, C가 채널 수, H가 높이, W가 너비인 (N, C, H, W) 형태의 텐서.

new_width (`int`) : 출력 이미지의 원하는 너비.
new_height (`int`) : 출력 이미지의 원하는 높이.

**반환값:** `torch.Tensor`

리사이즈 및 크롭된 이미지를 포함하는 텐서.

이미지 텐서를 지정된 크기로 리사이즈하고 크롭합니다.

## IPAdapterMaskProcessor[[diffusers.IPAdapterMaskProcessor]]

#### diffusers.IPAdapterMaskProcessor[[diffusers.IPAdapterMaskProcessor]]

```python
diffusers.IPAdapterMaskProcessor(do_resize: bool = True, vae_scale_factor: int = 8, resample: str = 'lanczos', do_normalize: bool = False, do_binarize: bool = True, do_convert_grayscale: bool = True)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1277)

**매개변수:**

do_resize (`bool`, *선택 사항*, 기본값 `True`) : 이미지의 (높이, 너비) 차원을 `vae_scale_factor`의 배수로 다운스케일할지 여부.
vae_scale_factor (`int`, *선택 사항*, 기본값 `8`) : VAE 스케일 팩터입니다. `do_resize`가 `True`인 경우, 이미지는 이 팩터의 배수로 자동으로 리사이즈됩니다.

resample (`str`, *선택 사항*, 기본값 `lanczos`) : 이미지를 리사이즈할 때 사용할 리샘플링 필터.

do_normalize (`bool`, *선택 사항*, 기본값 `False`) : 이미지를 [-1,1] 범위로 정규화할지 여부.
do_binarize (`bool`, *선택 사항*, 기본값 `True`) : 이미지를 0/1로 바이너리화할지 여부.

do_convert_grayscale (`bool`, *선택 사항*, 기본값은 `True`) : 이미지를 회색조 형식으로 변환할지 여부.

IP Adapter 이미지 마스크용 이미지 프로세서.

#### 다운샘플링[[diffusers.IPAdapterMaskProcessor.downsample]]

```python
downsample(mask: Tensor, batch_size: int, num_queries: int, value_embed_dim: int)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1318)

**매개변수:**

mask (`torch.Tensor`) : `IPAdapterMaskProcessor.preprocess()`로 생성된 입력 마스크 텐서.

batch_size (`int`) : 배치 크기.
num_queries (`int`) : 쿼리의 개수.

value_embed_dim (`int`) : 값 임베딩의 차원.

**반환값:** `torch.Tensor`

다운샘플링된 마스크 텐서.

제공된 mask 텐서를 스케일된 dot-product attention에 필요한 차원에 맞게 다운샘플링합니다. mask의 종횡비가 출력 이미지의 종횡비와 일치하지 않으면 경고가 발생합니다.
Xet Storage Details

Size:: 27 kB
Xet hash:: ecb2dd273272cf7f97a104410ede75b2dfe8506ea8be3015b54d2d298e65e15e
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.