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

Consistency Decoder

Consistency decoder는 StableDiffusionPipeline에서 denoising UNet의 latents를 디코딩하는 데 사용할 수 있습니다. 이 decoder는 DALL-E 3 technical report에서 소개되었습니다.

원본 코드베이스는 openai/consistencydecoder에서 찾을 수 있습니다.

현재 Inference는 2회 반복만 지원됩니다.

이 파이프라인은 이 이슈에서 madebyollin와 mrsteyk의 도움 없이는 기여할 수 없었습니다.

ConsistencyDecoderVAE[[diffusers.ConsistencyDecoderVAE]]

diffusers.ConsistencyDecoderVAE[[diffusers.ConsistencyDecoderVAE]]

diffusers.ConsistencyDecoderVAE(scaling_factor: float = 0.18215, latent_channels: int = 4, sample_size: int = 32, encoder_act_fn: str = 'silu', encoder_block_out_channels: tuple = (128, 256, 512, 512), encoder_double_z: bool = True, encoder_down_block_types: tuple = ('DownEncoderBlock2D', 'DownEncoderBlock2D', 'DownEncoderBlock2D', 'DownEncoderBlock2D'), encoder_in_channels: int = 3, encoder_layers_per_block: int = 2, encoder_norm_num_groups: int = 32, encoder_out_channels: int = 4, decoder_add_attention: bool = False, decoder_block_out_channels: tuple = (320, 640, 1024, 1024), decoder_down_block_types: tuple = ('ResnetDownsampleBlock2D', 'ResnetDownsampleBlock2D', 'ResnetDownsampleBlock2D', 'ResnetDownsampleBlock2D'), decoder_downsample_padding: int = 1, decoder_in_channels: int = 7, decoder_layers_per_block: int = 3, decoder_norm_eps: float = 1e-05, decoder_norm_num_groups: int = 32, decoder_num_train_timesteps: int = 1024, decoder_out_channels: int = 6, decoder_resnet_time_scale_shift: str = 'scale_shift', decoder_time_embedding_type: str = 'learned', decoder_up_block_types: tuple = ('ResnetUpsampleBlock2D', 'ResnetUpsampleBlock2D', 'ResnetUpsampleBlock2D', 'ResnetUpsampleBlock2D'))

소스

DALL-E 3과 함께 사용되는 일관성 디코더입니다.

예:

>>> import torch
>>> from diffusers import StableDiffusionPipeline, ConsistencyDecoderVAE

>>> vae = ConsistencyDecoderVAE.from_pretrained("openai/consistency-decoder", torch_dtype=torch.float16)
>>> pipe = StableDiffusionPipeline.from_pretrained(
...     "stable-diffusion-v1-5/stable-diffusion-v1-5", vae=vae, torch_dtype=torch.float16
... ).to("cuda")

>>> image = pipe("horse", generator=torch.manual_seed(0)).images[0]
>>> image

decode[[diffusers.ConsistencyDecoderVAE.decode]]

decode(z: Tensor, generator: typing.Optional[torch.Generator] = None, return_dict: bool = True, num_inference_steps: int = 2)

소스

매개변수:

z (torch.Tensor) : 입력 잠재 벡터.

generator (torch.Generator | None) : 난수 생성기. 기본값은 None입니다.

return_dict (bool) : 출력을 딕셔너리로 반환할지 여부. 기본값은 True입니다.

num_inference_steps (int) : 추론 단계 수. 기본값은 2입니다.

반환값: DecoderOutput | tuple[torch.Tensor]

복호화된 출력.

consistency decoder VAE 모델을 사용하여 입력 잠재 벡터 z를 디코딩합니다.

encode[[diffusers.ConsistencyDecoderVAE.encode]]

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

소스

매개변수:

x (torch.Tensor) : 입력 이미지 배치.

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

반환값:

인코딩된 이미지의 잠재 표현입니다. return_dict가 True이면 ConsistencyDecoderVAEOutput이 반환되고, 그렇지 않으면 일반 tuple이 반환됩니다.

이미지 배치(latents)를 인코딩합니다.

forward[[diffusers.ConsistencyDecoderVAE.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, 기본값 None) : 샘플링에 사용할 Generator입니다.

반환값: DecoderOutput 또는 tuple

return_dict가 True이면 DecoderOutput가 반환되고, 그렇지 않으면 일반 tuple이 반환됩니다.

set_default_attn_processor[[diffusers.ConsistencyDecoderVAE.set_default_attn_processor]]

set_default_attn_processor()

소스

커스텀 어텐션 프로세서를 비활성화하고 기본 어텐션 구현을 설정합니다.

tiled_encode[[diffusers.ConsistencyDecoderVAE.tiled_encode]]

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

소스

매개변수:

x (torch.Tensor) : 입력 이미지 배치.

return_dict (bool, 선택 사항, 기본값 True) : ConsistencyDecoderVAEOutput을 반환할지, 아니면 일반 튜플을 반환할지를 결정합니다.

반환값: ConsistencyDecoderVAEOutput 또는 tuple

return_dict가 True이면 ConsistencyDecoderVAEOutput이 반환되고, 그렇지 않으면 일반 tuple이 반환됩니다.

타일 인코더를 사용하여 이미지 배치 인코딩

이 옵션이 활성화되면 VAE는 입력 텐서를 타일로 분할하여 여러 단계에 걸쳐 인코딩을 계산합니다. 이는 이미지 크기와 관계없이 메모리 사용량을 일정하게 유지하는 데 유용합니다. 타일 인코딩의 최종 결과는 타일별 인코더가 다르기 때문에 타일링되지 않은 인코딩과 다릅니다. 타일링 아티팩트를 방지하기 위해 타일들은 겹쳐지고 블렌딩되어 매끄러운 출력을 형성합니다. 출력에서 여전히 타일 크기의 변화가 보일 수 있지만, 훨씬 덜 눈에 띄어야 합니다.