diffusers/main/ko/api/models/autoencoderkl_allegro.md

AutoencoderKLAllegro

Allegro에서 사용된 KL loss를 적용한 3D 변분 오토인코더(VAE) 모델은 RhymesAI의 Allegro: Open the Black Box of Commercial-Level Video Generation Model에서 소개되었습니다.

다음 코드 스니펫으로 모델을 로드할 수 있습니다.

from diffusers import AutoencoderKLAllegro

vae = AutoencoderKLAllegro.from_pretrained("rhymes-ai/Allegro", subfolder="vae", dtype=torch.float32).to("cuda")  # or "mps", "xpu", "cpu"

AutoencoderKLAllegro[[diffusers.AutoencoderKLAllegro]]

diffusers.AutoencoderKLAllegro[[diffusers.AutoencoderKLAllegro]]

diffusers.AutoencoderKLAllegro(in_channels: int = 3, out_channels: int = 3, down_block_types: tuple = ('AllegroDownBlock3D', 'AllegroDownBlock3D', 'AllegroDownBlock3D', 'AllegroDownBlock3D'), up_block_types: tuple = ('AllegroUpBlock3D', 'AllegroUpBlock3D', 'AllegroUpBlock3D', 'AllegroUpBlock3D'), block_out_channels: tuple = (128, 256, 512, 512), temporal_downsample_blocks: tuple = (True, True, False, False), temporal_upsample_blocks: tuple = (False, True, True, False), latent_channels: int = 4, layers_per_block: int = 2, act_fn: str = 'silu', norm_num_groups: int = 32, temporal_compression_ratio: float = 4, sample_size: int = 320, scaling_factor: float = 0.13, force_upcast: bool = True)

소스

매개변수:

in_channels (int, 기본값 3) : 입력 이미지의 채널 수.

out_channels (int, 기본값 3) : 출력의 채널 수.

down_block_types (tuple[str, ...], 기본값은 ("AllegroDownBlock3D", "AllegroDownBlock3D", "AllegroDownBlock3D", "AllegroDownBlock3D")) : 사용할 다운 블록의 유형을 나타내는 문자열 튜플.

up_block_types (tuple[str, ...], 기본값은 ("AllegroUpBlock3D", "AllegroUpBlock3D", "AllegroUpBlock3D", "AllegroUpBlock3D")) : 사용할 업 블록의 유형을 나타내는 문자열 튜플.

block_out_channels (tuple[int, ...], 기본값 (128, 256, 512, 512)) : 각 블록의 출력 채널 수를 나타내는 정수 튜플.

temporal_downsample_blocks (tuple[bool, ...], 기본값은 (True, True, False, False)) : 시간적 다운샘플링을 활성화할 블록을 나타내는 불리언 튜플.

latent_channels (int, 기본값 4) : latents의 채널 수.

layers_per_block (int, 기본값 2) : 다운/업 블록당 resnet 또는 attention 또는 temporal convolution 레이어의 수.

act_fn (str, 기본값 "silu") : 사용할 활성화 함수입니다.

norm_num_groups (int, 기본값 32) : 정규화 레이어에서 사용할 그룹 수.

temporal_compression_ratio (int, 기본값 4) : 샘플의 시간 차원이 압축되는 비율입니다.

sample_size (int, 기본값 320) : 기본 latent 크기입니다.

scaling_factor (float, 기본값 0.13235) : 학습 세트의 첫 번째 배치로 계산된 학습된 잠재 공간의 구성 요소별 표준 편차입니다. 이는 diffusion model을 학습할 때 잠재 공간의 분산을 1로 스케일링하는 데 사용됩니다. Latents는 diffusion model에 전달되기 전에 z = z * scaling_factor 공식으로 스케일링됩니다. 디코딩 시에는 z = 1 / scaling_factor * z 공식으로 latents를 원래 스케일로 되돌립니다. 자세한 내용은 High-Resolution Image Synthesis with Latent Diffusion Models 논문의 4.3.2절과 D.1절을 참조하세요.

force_upcast (bool, 기본값 True) : 활성화하면 SD-XL과 같은 고해상도 이미지 파이프라인에서 VAE가 float32로 실행되도록 강제합니다. VAE는 정밀도가 크게 손실되지 않는 범위 내에서 더 낮은 범위로 미세 조정/학습될 수 있으며, 이 경우 force_upcast를 False로 설정할 수 있습니다 - 참고: https://huggingface.co/madebyollin/sdxl-vae-fp16-fix

KL 손실을 사용하여 비디오를 잠재 변수로 인코딩하고 잠재 표현을 비디오로 디코딩하는 VAE 모델입니다. Allegro에서 사용됩니다.

이 모델은 ModelMixin에서 상속됩니다. 모든 모델에 대해 구현된 일반적 메서드(다운로드 또는 저장 등)에 대해서는 상위 클래스 문서를 확인하세요.

decode[[diffusers.AutoencoderKLAllegro.decode]]

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

소스

매개변수:

z (torch.Tensor) : 잠재 벡터의 입력 배치.

return_dict (bool, 기본값 True) : 일반 튜플 대신 ~models.vae.DecoderOutput를 반환할지 여부.

반환값: ~models.vae.DecoderOutput 또는 tuple

return_dict가 True이면 ~models.vae.DecoderOutput가 반환되고, 그렇지 않으면 일반 tuple이 반환됩니다.

videos 배치의 디코딩을 수행합니다.

encode[[diffusers.AutoencoderKLAllegro.encode]]

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

소스

매개변수:

x (torch.Tensor) : 입력 비디오 배치.

return_dict (bool, 기본값 True) : 일반 튜플 대신 ~models.autoencoder_kl.AutoencoderKLOutput을 반환할지 여부.

반환값:

인코딩된 비디오의 잠재 표현입니다. return_dict가 True이면 ~models.autoencoder_kl.AutoencoderKLOutput이 반환되고, 그렇지 않으면 일반 tuple이 반환됩니다.

…

forward[[diffusers.AutoencoderKLAllegro.forward]]

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

소스

매개변수:

sample (torch.Tensor) : 입력 샘플.

sample_posterior (bool, 선택 사항, 기본값 False) : 사후 분포에서 샘플링할지 여부.

return_dict (bool, 선택 사항, 기본값 True) : 일반 튜플 대신 DecoderOutput를 반환할지 여부.

generator (torch.Generator, 선택 사항) : PyTorch 난수 생성기.

반환값: ~models.vae.DecoderOutput 또는 tuple

return_dict가 True이면 ~models.vae.DecoderOutput가 반환되고, 그렇지 않으면 일반 tuple이 반환됩니다.

AutoencoderKLOutput[[diffusers.models.modeling_outputs.AutoencoderKLOutput]]

diffusers.models.modeling_outputs.AutoencoderKLOutput[[diffusers.models.modeling_outputs.AutoencoderKLOutput]]

diffusers.models.modeling_outputs.AutoencoderKLOutput(latent_dist: DiagonalGaussianDistribution)

소스

매개변수:

latent_dist (DiagonalGaussianDistribution) : Encoder의 인코딩된 출력으로, DiagonalGaussianDistribution의 평균(mean)과 logvar로 표현됩니다. DiagonalGaussianDistribution을 사용하면 해당 분포에서 latents를 샘플링할 수 있습니다.

AutoencoderKL 인코딩 메서드의 출력.

DecoderOutput[[diffusers.models.autoencoders.vae.DecoderOutput]]

diffusers.models.autoencoders.vae.DecoderOutput[[diffusers.models.autoencoders.vae.DecoderOutput]]

diffusers.models.autoencoders.vae.DecoderOutput(sample: Tensor, commit_loss: typing.Optional[torch.FloatTensor] = None)

소스

매개변수:

sample (torch.Tensor, shape (batch_size, num_channels, height, width)) : 모델의 마지막 레이어에서 디코딩된 출력 샘플.

디코딩 메서드의 출력.