diffusers/main/tr/api/image_processor.md

VAE Görüntü İşleyici

VaeImageProcessor, StableDiffusionPipelineler için VAE kodlamaya hazırlanacak görüntü girdilerini ve çözümlendikten sonra işlenecek çıktıları yöneten birleşik bir API sağlar. Bu, yeniden boyutlandırma, normalizasyon ve PIL Image, PyTorch ile NumPy dizileri arasında dönüşüm gibi dönüşümleri içerir.

VaeImageProcessor içeren tüm pipeline'lar, görüntü girdisi olarak PIL Image, PyTorch tensor veya NumPy dizilerini kabul eder ve çıktıları, kullanıcının output_type argümanına göre döndürür. Kodlanmış görüntü latentlerini doğrudan pipeline'a iletebilir ve output_type argümanını kullanarak (örneğin output_type="latent") pipeline'dan latentleri belirli bir çıktı olarak alabilirsiniz. Bu, bir pipeline'dan üretilen latentleri latent uzaydan çıkmadan başka bir pipeline'a girdi olarak iletebilmenizi sağlar. Ayrıca, PyTorch tensorlerini farklı pipeline'lar arasında doğrudan ileterek birden fazla pipeline'ı birlikte kullanmayı çok daha kolay hale getirir.

VaeImageProcessor[[diffusers.VaeImageProcessor]]

diffusers.VaeImageProcessor[[diffusers.VaeImageProcessor]]

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)

Kaynak

Parametreler:

do_resize (bool, isteğe bağlı, varsayılan True) : Görselin (yükseklik, genişlik) boyutlarını vae_scale_factor'ün katlarına ölçeklendirmeyi azaltıp azaltmayacağını belirtir. image_processor.VaeImageProcessor.preprocess() metodundan height ve width argümanlarını kabul edebilir.

vae_scale_factor (int, isteğe bağlı, varsayılan 8) : VAE ölçekleme faktörü. do_resize True ise, görüntü bu faktörün katlarına otomatik olarak yeniden boyutlandırılır.

resample (str, isteğe bağlı, varsayılan lanczos) : Görsel yeniden boyutlandırılırken kullanılacak yeniden örnekleme filtresi.

do_normalize (bool, isteğe bağlı, varsayılan True) : Görüntünün [-1,1] aralığına normalize edilip edilmeyeceğini belirtir.

do_binarize (bool, isteğe bağlı, varsayılan False) : Görselin 0/1 olarak ikileştirilip ikileştirilmeyeceğini belirtir.

do_convert_rgb (bool, isteğe bağlı, varsayılan olarak False) : Görsellerin RGB formatına dönüştürülüp dönüştürülmemesi.

do_convert_grayscale (bool, isteğe bağlı, varsayılan olarak False) : Görsellerin gri tonlamalı formata dönüştürülüp dönüştürülmeyeceğini belirtir.

VAE için görüntü işleyici.

apply_overlay[[diffusers.VaeImageProcessor.apply_overlay]]

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

Kaynak

Parametreler:

mask (PIL.Image.Image) : Üstlenecek bölgeleri vurgulayan maske görüntüsü.

init_image (PIL.Image.Image) : Katmanın uygulandığı orijinal görüntü.

image (PIL.Image.Image) : Orijinelin üzerine bindirilecek görüntü.

crop_coords (tuple[int, int, int, int], isteğe bağlı) : Görseli kırpacak koordinatlar. Verilirse, görsel buna göre kırpılır.

Dönüş: PIL.Image.Image

Katman uygulanan son görüntü.

Orijinal görüntünün üzerine maske ve inpainting yapılmış görüntünün bir örtüsünü uygular.

binarize[[diffusers.VaeImageProcessor.binarize]]

binarize(image: Image)

Kaynak

Parametreler:

image (PIL.Image.Image) : Görsel girdisi, bir PIL görseli olmalıdır.

Dönüş: PIL.Image.Image

İkili (binarize) görüntü. 0.5'ten küçük değerler 0 olarak, 0.5'ten büyük değerler 1 olarak ayarlanır.

Bir maske oluşturun.

blur[[diffusers.VaeImageProcessor.blur]]

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

Kaynak

Parametreler:

image (PIL.Image.Image) : Grayscale'e dönüştürülecek PIL görüntüsü.

Dönüş: PIL.Image.Image

Gri tonlara dönüştürülmüş PIL görüntüsü.

Bir görüntüye Gauss bulanıklığı uygular.

convert_to_grayscale[[diffusers.VaeImageProcessor.convert_to_grayscale]]

convert_to_grayscale(image: Image)

Kaynak

Parametreler:

image (PIL.Image.Image) : Dönüştürülecek girdi görüntüsü.

Dönüş: PIL.Image.Image

Gri tonlara dönüştürülen görüntü.

Verilen bir PIL görüntüsünü gri tonlamaya dönüştürür.

convert_to_rgb[[diffusers.VaeImageProcessor.convert_to_rgb]]

convert_to_rgb(image: Image)

Kaynak

Parametreler:

image (PIL.Image.Image) : RGB'ye dönüştürülecek PIL görüntüsü.

Dönüş: PIL.Image.Image

RGB'ye dönüştürülmüş PIL görüntüsü.

Bir PIL görüntüsünü RGB formatına dönüştürür.

denormalize[[diffusers.VaeImageProcessor.denormalize]]

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

Kaynak

Parametreler:

images (np.ndarray veya torch.Tensor) : Normalizasyonu kaldırılacak görüntü dizisi.

Dönüş: np.ndarray veya torch.Tensor

Normalleştirilmemiş görüntü dizisi.

Bir görüntü dizisini [0,1] aralığına normalleştirmeyin.

get_crop_region[[diffusers.VaeImageProcessor.get_crop_region]]

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

Kaynak

Parametreler:

mask_image (PIL.Image.Image) : Maske görüntüsü.

width (int) : İşlenecek görüntünün genişliği.

height (int) : İşlenecek görüntünün yüksekliği.

pad (int, isteğe bağlı) : Kırpma bölgesine eklenecek dolgu. Varsayılan değer 0'dır.

Dönüş: tuple

(x1, y1, x2, y2), bir görüntüdeki tüm maskelenmiş alanları içeren ve orijinal en-boy oranıyla eşleşen dikdörtgen bir bölgeyi temsil eder.

Görseldeki tüm maskelenmiş alanları içeren dikdörtgen bir bölgeyi bulur ve bölgeyi orijinal görselin en-boy oranıyla eşleştirecek şekilde genişletir; örneğin, kullanıcı 128x32 boyutlarında bir bölgede maske çizdiyse ve işleme boyutları 512x512 ise, bölge 128x128 boyutlarına genişletilir.

get_default_height_width[[diffusers.VaeImageProcessor.get_default_height_width]]

get_default_height_width(image: typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor], height: int | None = None, width: int | None = None)

Kaynak

Parametreler:

image (PIL.Image.Image | np.ndarray | torch.Tensor) : Bir PIL görüntüsü, NumPy dizisi veya PyTorch tensörü olabilecek görüntü girdisi. NumPy dizisi ise [batch, height, width] veya [batch, height, width, channels] biçiminde olmalıdır. PyTorch tensörü ise [batch, channels, height, width] biçiminde olmalıdır.

height (int | None, isteğe bağlı, varsayılan None) : Ön işlenmiş görüntünün yüksekliği. None ise, image girdisinin yüksekliği kullanılacaktır.

width (int | None, isteğe bağlı, varsayılan None) : Ön işlenmiş görüntünün genişliği. None ise, image girdisinin genişliği kullanılacaktır.

Dönüş: tuple[int, int]

vae_scale_factor'ın en yakın tam sayı katına yeniden boyutlandırılmış yükseklik ve genişliği içeren bir demet.

Görselin yüksekliğini ve genişliğini, vae_scale_factor'ın bir sonraki tam sayı katına ölçeklenmiş olarak döndürür.

normalize[[diffusers.VaeImageProcessor.normalize]]

normalize(images: typing.Union[numpy.ndarray, torch.Tensor])

Kaynak

Parametreler:

images (np.ndarray veya torch.Tensor) : Normalize edilecek görüntü dizisi.

Dönüş: np.ndarray veya torch.Tensor

Normalleştirilmiş görüntü dizisi.

Bir görüntü dizisini [-1,1] aralığına normalize edin.

numpy_to_pil[[diffusers.VaeImageProcessor.numpy_to_pil]]

numpy_to_pil(images: ndarray)

Kaynak

Parametreler:

images (np.ndarray) : PIL formatına dönüştürülecek görüntü dizisi.

Dönüş: list[PIL.Image.Image]

PIL görüntülerinin listesi.

Bir numpy görüntüsünü veya görüntü grubunu bir PIL görüntüsüne dönüştürür.

numpy_to_pt[[diffusers.VaeImageProcessor.numpy_to_pt]]

numpy_to_pt(images: ndarray)

Kaynak

Parametreler:

images (np.ndarray) : PyTorch formatına dönüştürülecek NumPy görüntü dizisi.

Dönüş: torch.Tensor

Görsellerin PyTorch tensör temsili.

Bir NumPy görüntüsünü PyTorch tensörüne dönüştürün.

pil_to_numpy[[diffusers.VaeImageProcessor.pil_to_numpy]]

pil_to_numpy(images: list[PIL.Image.Image] | PIL.Image.Image)

Kaynak

Parametreler:

images (PIL.Image.Image veya list[PIL.Image.Image]) : NumPy biçimine dönüştürülecek PIL görüntüsü veya görüntü listesi.

Dönüş: np.ndarray

Görüntülerin NumPy dizi temsili.

Bir PIL görüntüsünü veya PIL görüntüsü listesini NumPy dizilerine dönüştürür.

postprocess[[diffusers.VaeImageProcessor.postprocess]]

postprocess(image: Tensor, output_type: str = 'pil', do_denormalize: list[bool] | None = None)

Kaynak

Parametreler:

image (torch.Tensor) : Görsel girdisi, B x C x H x W biçiminde bir pytorch tensörü olmalıdır.

output_type (str, isteğe bağlı, varsayılan pil) : Görüntünün çıktı türü, pil, np, pt, latent değerlerinden biri olabilir.

do_denormalize (list[bool], isteğe bağlı, varsayılan None) : Görüntünün [0,1] aralığına normalizasyonunun kaldırılıp kaldırılmayacağını belirtir. None ise, VaeImageProcessor yapılandırmasındaki do_normalize değeri kullanılır.

Dönüş: PIL.Image.Image, np.ndarray veya torch.Tensor

İşlem sonrası görüntü.

Görsel çıktısını tensörden output_type biçimine dönüştürün.

preprocess[[diffusers.VaeImageProcessor.preprocess]]

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)

Kaynak

Parametreler:

image (PipelineImageInput) : Görsel girdisi, kabul edilen biçimler PIL görselleri, NumPy dizileri, PyTorch tensörleridir; Desteklenen biçimlerin listesi de kabul edilir.

height (int, isteğe bağlı) : Ön işlenmiş görüntünün yüksekliği. None ise, varsayılan yüksekliği almak için get_default_height_width() kullanılır.

width (int, opsiyonel) : Ön işlenmiş genişlik. None ise, varsayılan genişliği almak için get_default_height_width()` kullanılır.

resize_mode (str, isteğe bağlı, varsayılan default) : Yeniden boyutlandırma modu, default veya fill değerlerinden biri olabilir. default ise, görüntü belirtilen genişlik ve yüksekliğe sığacak şekilde yeniden boyutlandırılır ve orijinal en-boy oranı korunmayabilir. fill ise, görüntü en-boy oranını koruyarak belirtilen genişlik ve yüksekliğe sığacak şekilde yeniden boyutlandırılır, ardından boyutlar içinde ortalanır ve boşluklar görüntü verisiyle doldurulur. crop ise, görüntü en-boy oranını koruyarak belirtilen genişlik ve yüksekliğe sığacak şekilde yeniden boyutlandırılır, ardından boyutlar içinde ortalanır ve fazlalık kesilir. resize_mode fill ve crop değerlerinin yalnızca PIL görüntü girdisi için desteklendiğini unutmayın.

crops_coords (list[tuple[int, int, int, int]], opsiyonel, varsayılan None) : Batch'teki her bir görüntü için kırpma koordinatları. None ise görüntü kırpılmaz.

Dönüş: torch.Tensor

Ön işlenmiş görüntü.

Görsel girdisini ön işleme tabi tutun.

pt_to_numpy[[diffusers.VaeImageProcessor.pt_to_numpy]]

pt_to_numpy(images: Tensor)

Kaynak

Parametreler:

images (torch.Tensor) : NumPy formatına dönüştürülecek PyTorch tensörü.

Dönüş: np.ndarray

Görüntülerin NumPy dizi temsili.

Bir PyTorch tensörünü NumPy görüntüsüne dönüştürün.

resize[[diffusers.VaeImageProcessor.resize]]

resize(image: typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor], height: int, width: int, resize_mode: str = 'default')

Kaynak

Parametreler:

image (PIL.Image.Image, np.ndarray veya torch.Tensor) : Görsel girdisi, bir PIL görseli, numpy dizisi veya pytorch tensörü olabilir.

height (int) : Yeniden boyutlandırılacak yükseklik.

width (int) : Yeniden boyutlandırılacak genişlik.

resize_mode (str, isteğe bağlı, varsayılan default) : Kullanılacak yeniden boyutlandırma modu, default veya fill değerlerinden biri olabilir. default ise, görüntü belirtilen genişlik ve yüksekliğe sığacak şekilde yeniden boyutlandırılır ve orijinal en-boy oranı korunmayabilir. fill ise, görüntü en-boy oranı korunarak belirtilen genişlik ve yüksekliğe sığacak şekilde yeniden boyutlandırılır, ardından boyutlar içinde ortalanır ve boşluklar görüntü verisiyle doldurulur. crop ise, görüntü en-boy oranı korunarak belirtilen genişlik ve yüksekliğe sığacak şekilde yeniden boyutlandırılır, ardından boyutlar içinde ortalanır ve fazlalık kırpılır. fill ve crop yeniden boyutlandırma modlarının yalnızca PIL görüntü girdisi için desteklendiğini unutmayın.

Dönüş: PIL.Image.Image, np.ndarray veya torch.Tensor

Yeniden boyutlandırılmış görüntü.

Görseli yeniden boyutlandırın.

InpaintProcessor[[diffusers.InpaintProcessor]]

InpaintProcessor, mask ve image girdilerini kabul eder ve bunları birlikte işler. İsteğe bağlı olarak padding_mask_crop kabul edebilir ve mask overlay uygulayabilir.

diffusers.InpaintProcessor[[diffusers.InpaintProcessor]]

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)

Kaynak

Görsel ve maske için inpainting görsel işleyicisi.

postprocess[[diffusers.InpaintProcessor.postprocess]]

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)

Kaynak

Görseli son işlemeye tabi tutun, isteğe bağlı olarak maske bindirmesi uygulayın

preprocess[[diffusers.InpaintProcessor.preprocess]]

preprocess(image: Image, mask: PIL.Image.Image | None = None, height: int | None = None, width: int | None = None, padding_mask_crop: int | None = None)

Kaynak

Görseli ve maskesini ön işleme tabi tutun.

VaeImageProcessorLDM3D[[diffusers.VaeImageProcessorLDM3D]]

VaeImageProcessorLDM3D, RGB ve derinlik girdilerini kabul eder ve RGB ile derinlik çıktıları döndürür.

diffusers.VaeImageProcessorLDM3D[[diffusers.VaeImageProcessorLDM3D]]

diffusers.VaeImageProcessorLDM3D(do_resize: bool = True, vae_scale_factor: int = 8, resample: str = 'lanczos', do_normalize: bool = True)

Kaynak

Parametreler:

do_resize (bool, isteğe bağlı, varsayılan True) : Görselin (yükseklik, genişlik) boyutlarının vae_scale_factor'ün katlarına ölçeklendirilip ölçeklendirilmeyeceğini belirtir.

vae_scale_factor (int, isteğe bağlı, varsayılan 8) : VAE ölçekleme faktörü. do_resize True ise, görüntü bu faktörün katlarına otomatik olarak yeniden boyutlandırılır.

resample (str, isteğe bağlı, varsayılan lanczos) : Görsel yeniden boyutlandırılırken kullanılacak yeniden örnekleme filtresi.

do_normalize (bool, isteğe bağlı, varsayılan True) : Görüntünün [-1,1] aralığına normalize edilip edilmeyeceğini belirtir.

VAE LDM3D için görüntü işleyici.

depth_pil_to_numpy[[diffusers.VaeImageProcessorLDM3D.depth_pil_to_numpy]]

depth_pil_to_numpy(images: list[PIL.Image.Image] | PIL.Image.Image)

Kaynak

Parametreler:

images (list[PIL.Image.Image, PIL.Image.Image]) : Dönüştürülecek girdi görüntüsü veya görüntü listesi.

Dönüş: np.ndarray

Dönüştürülen görüntülerin NumPy dizisi.

Bir PIL görüntüsünü veya PIL görüntüsü listesini NumPy dizilerine dönüştürür.

numpy_to_depth[[diffusers.VaeImageProcessorLDM3D.numpy_to_depth]]

numpy_to_depth(images: ndarray)

Kaynak

Parametreler:

images (np.ndarray) : Derinlik görüntülerinin girdi NumPy dizisi; tek bir görüntü veya bir parti olabilir.

Dönüş: list[PIL.Image.Image]

Girdi NumPy derinlik görüntülerinden dönüştürülen PIL görüntüleri listesi.

NumPy derinlik görüntüsünü veya görüntü birimini PIL görüntüleri listesine dönüştürür.

numpy_to_pil[[diffusers.VaeImageProcessorLDM3D.numpy_to_pil]]

numpy_to_pil(images: ndarray)

Kaynak

Parametreler:

images (np.ndarray) : Tek bir görüntü veya bir parti olabilecek, girdi NumPy görüntü dizisi.

Dönüş: list[PIL.Image.Image]

Girdi NumPy dizisinden dönüştürülen PIL görüntülerinin listesi.

Bir NumPy görüntüsünü veya görüntü grubunu PIL görüntüleri listesine dönüştürür.

preprocess[[diffusers.VaeImageProcessorLDM3D.preprocess]]

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)

Kaynak

Parametreler:

rgb (torch.Tensor | PIL.Image.Image | np.ndarray) : Tek bir görüntü veya bir parti olabilecek RGB giriş görüntüsü.

depth (torch.Tensor | PIL.Image.Image | np.ndarray) : Tek bir görüntü veya bir parti olabilecek derinlik giriş görüntüsü.

height (int | None, isteğe bağlı, varsayılan None) : İşlenmiş görüntünün istenen yüksekliği. None ise, girdi görüntüsünün yüksekliği varsayılan olarak kullanılır.

width (int | None, isteğe bağlı, varsayılan None) : İşlenmiş görüntünün istenen genişliği. None ise, girdi görüntüsünün genişliği varsayılan olarak kullanılır.

target_res (int | None, isteğe bağlı, varsayılan None) : Görselleri yeniden boyutlandırma için hedef çözünürlük. Belirtilirse, height ve width değerlerini geçersiz kılar.

Dönüş: tuple[torch.Tensor, torch.Tensor]

İşlenmiş RGB ve derinlik görüntülerini PyTorch tensörleri olarak içeren bir demet.

Girdi görüntüsünü ön işleme. Kabul edilen biçimler PIL görüntüleri, NumPy dizileri veya PyTorch tensörleridir.

rgblike_to_depthmap[[diffusers.VaeImageProcessorLDM3D.rgblike_to_depthmap]]

rgblike_to_depthmap(image: typing.Union[numpy.ndarray, torch.Tensor])

Kaynak

RGB benzeri bir derinlik görüntüsünü derinlik haritasına dönüştürür.

PixArtImageProcessor[[diffusers.PixArtImageProcessor]]

diffusers.PixArtImageProcessor[[diffusers.PixArtImageProcessor]]

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)

Kaynak

Parametreler:

do_resize (bool, isteğe bağlı, varsayılan True) : Görselin (yükseklik, genişlik) boyutlarını vae_scale_factor'ün katlarına ölçeklendirmeyi azaltıp azaltmayacağını belirtir. image_processor.VaeImageProcessor.preprocess() metodundan height ve width argümanlarını kabul edebilir.

vae_scale_factor (int, isteğe bağlı, varsayılan 8) : VAE ölçekleme faktörü. do_resize True ise, görüntü bu faktörün katlarına otomatik olarak yeniden boyutlandırılır.

resample (str, isteğe bağlı, varsayılan lanczos) : Görsel yeniden boyutlandırılırken kullanılacak yeniden örnekleme filtresi.

do_normalize (bool, isteğe bağlı, varsayılan True) : Görüntünün [-1,1] aralığına normalize edilip edilmeyeceğini belirtir.

do_binarize (bool, isteğe bağlı, varsayılan False) : Görselin 0/1 olarak ikileştirilip ikileştirilmeyeceğini belirtir.

do_convert_rgb (bool, isteğe bağlı, varsayılan olarak False) : Görsellerin RGB formatına dönüştürülüp dönüştürülmemesi.

do_convert_grayscale (bool, isteğe bağlı, varsayılan olarak False) : Görsellerin gri tonlamalı formata dönüştürülüp dönüştürülmeyeceğini belirtir.

PixArt görüntü yeniden boyutlandırma ve kırpma işlemi için görüntü işleyici.

classify_height_width_bin[[diffusers.PixArtImageProcessor.classify_height_width_bin]]

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

Kaynak

Parametreler:

height (int) : Görselin yüksekliği.

width (int) : Görselin genişliği.

ratios (dict) : Anahtarları en-boy oranları, değerleri (yükseklik, genişlik) demetleri olan bir sözlük.

Dönüş: tuple[int, int]

En yakın binned yükseklik ve genişlik.

En-boy oranına göre binned yükseklik ve genişliği döndürür.

resize_and_crop_tensor[[diffusers.PixArtImageProcessor.resize_and_crop_tensor]]

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

Kaynak

Parametreler:

samples (torch.Tensor) : N'nin batch boyutu, C'nin kanal sayısı, H'nin yükseklik ve W'nin genişlik olduğu (N, C, H, W) biçiminde bir tensör.

new_width (int) : Çıktı görüntülerinin istenen genişliği.

new_height (int) : Çıktı görüntülerinin istenen yüksekliği.

Dönüş: torch.Tensor

Yeniden boyutlandırılmış ve kırpılmış görüntüler içeren bir tensör.

Görsellerin tensörünü belirtilen boyutlara yeniden boyutlandırır ve kırpma yapar.

IPAdapterMaskProcessor[[diffusers.IPAdapterMaskProcessor]]

diffusers.IPAdapterMaskProcessor[[diffusers.IPAdapterMaskProcessor]]

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)

Kaynak

Parametreler:

do_resize (bool, isteğe bağlı, varsayılan True) : Görselin (yükseklik, genişlik) boyutlarının vae_scale_factor'ün katlarına ölçeklendirilip ölçeklendirilmeyeceğini belirtir.

vae_scale_factor (int, isteğe bağlı, varsayılan 8) : VAE ölçekleme faktörü. do_resize True ise, görüntü bu faktörün katlarına otomatik olarak yeniden boyutlandırılır.

resample (str, isteğe bağlı, varsayılan lanczos) : Görsel yeniden boyutlandırılırken kullanılacak yeniden örnekleme filtresi.

do_normalize (bool, isteğe bağlı, varsayılan False) : Görüntünün [-1,1] aralığına normalize edilip edilmeyeceğini belirtir.

do_binarize (bool, isteğe bağlı, varsayılan True) : Görselin 0/1 olarak ikileştirilip ikileştirilmeyeceğini belirtir.

do_convert_grayscale (bool, isteğe bağlı, varsayılan olarak True) : Görsellerin gri tonlamalı formata dönüştürülüp dönüştürülmeyeceğini belirtir.

IP Adapter görüntü maskeleri için görüntü işleyici.

downsample[[diffusers.IPAdapterMaskProcessor.downsample]]

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

Kaynak

Parametreler:

mask (torch.Tensor) : IPAdapterMaskProcessor.preprocess() ile oluşturulan giriş maskesi tensörü.

batch_size (int) : Toplu işlem boyutu.

num_queries (int) : Sorgu sayısı.

value_embed_dim (int) : Değer gömme boyutları.

Dönüş: torch.Tensor

Örnekleme azaltılmış maske tensörü.

Ölçekli nokta çarpımı dikkati için beklenen boyutlara uymak üzere sağlanan maske tensörünü indirger. Maske en-boy oranı, çıktı görüntüsünün en-boy oranıyla eşleşmiyorsa bir uyarı verilir.