Buckets:
| # Processador de Vídeo | |
| O `VideoProcessor` fornece uma API unificada para pipelines de vídeo para preparar entradas para codificação VAE e pós-processar saídas após a decodificação. A classe herda de [VaeImageProcessor](/docs/diffusers/main/pt/api/image_processor#diffusers.VaeImageProcessor), portanto, inclui transformações como redimensionamento, normalização e conversão entre PIL Image, PyTorch e arrays 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) | |
| ``` | |
| [Fonte](https://github.com/huggingface/diffusers/blob/main/src/diffusers/video_processor.py#L28) | |
| **Parâmetros:** | |
| video (`list[PIL.Image]`, `list[list[PIL.Image]]`, `torch.Tensor`, `np.array`, `list[torch.Tensor]`, `list[np.array]`) : O vídeo de entrada. Pode ser um dos seguintes: * lista de imagens PIL. * lista de listas de imagens PIL. * tensores Torch 4D (forma esperada para cada tensor `(num_frames, num_channels, height, width)`). * arrays NumPy 4D (forma esperada para cada array `(num_frames, height, width, num_channels)`). * lista de tensores Torch 4D (forma esperada para cada tensor `(num_frames, num_channels, height, width)`). * lista de arrays NumPy 4D (forma esperada para cada array `(num_frames, height, width, num_channels)`). * arrays NumPy 5D: forma esperada para cada array `(batch_size, num_frames, height, width, num_channels)`. * tensores Torch 5D: forma esperada para cada array `(batch_size, num_frames, num_channels, height, width)`. | |
| height (`int`, *opcional*, padrão `None`) : A altura em quadros pré-processados do vídeo. Se `None`, usará o `get_default_height_width()` para obter a altura padrão. | |
| 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. | |
| **Retorna:** `torch.Tensor` de forma `(batch_size, num_channels, num_frames, height, width)` | |
| Um tensor 5D contendo os vídeos em lote com canais na frente. | |
| Pré-processa o(s) vídeo(s) de entrada. Os argumentos de palavra-chave serão encaminhados para `VaeImageProcessor.preprocess`. | |
| #### diffusers.VideoProcessor.postprocess_video[[diffusers.VideoProcessor.postprocess_video]] | |
| ```python | |
| diffusers.VideoProcessor.postprocess_video(video: Tensor, output_type: str = 'np', **kwargs) | |
| ``` | |
| [Fonte](https://github.com/huggingface/diffusers/blob/main/src/diffusers/video_processor.py#L93) | |
| **Parâmetros:** | |
| video (`torch.Tensor`) : O vídeo como um tensor. | |
| output_type (`str`, padrão `"np"`) : Tipo de saída do tensor `video` pós-processado. | |
| Converte um tensor de vídeo em uma lista de quadros para exportação. Os argumentos de palavra-chave serão encaminhados para `VaeImageProcessor.postprocess`. | |
Xet Storage Details
- Size:
- 2.94 kB
- Xet hash:
- 575f2ea42f4b3c7b340633b295b75464ac5c512d2a29e0311f9cbc8bbbfddefc
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.