Buckets:
| # Video Processor | |
| Le `VideoProcessor` fournit une API unifiée pour les pipelines vidéo afin de préparer les entrées pour l'encodage VAE et de post-traiter les sorties une fois qu'elles sont décodées. La classe hérite de [VaeImageProcessor](/docs/diffusers/v0.43.0/fr/api/image_processor#diffusers.VaeImageProcessor) et inclut donc des transformations telles que le redimensionnement, la normalisation et la conversion entre images PIL, tableaux PyTorch et tableaux 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) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/video_processor.py#L28) | |
| **Paramètres :** | |
| video (`list[PIL.Image]`, `list[list[PIL.Image]]`, `torch.Tensor`, `np.array`, `list[torch.Tensor]`, `list[np.array]`) : La vidéo d'entrée. Elle peut être l'une des formes suivantes : * liste d'images PIL. * liste de listes d'images PIL. * tenseurs Torch 4D (forme attendue pour chaque tenseur `(num_frames, num_channels, height, width)`). * tableaux NumPy 4D (forme attendue pour chaque tableau `(num_frames, height, width, num_channels)`). * liste de tenseurs Torch 4D (forme attendue pour chaque tenseur `(num_frames, num_channels, height, width)`). * liste de tableaux NumPy 4D (forme attendue pour chaque tableau `(num_frames, height, width, num_channels)`). * tableaux NumPy 5D : forme attendue pour chaque tableau `(batch_size, num_frames, height, width, num_channels)`. * tenseurs Torch 5D : forme attendue pour chaque tableau `(batch_size, num_frames, num_channels, height, width)`. | |
| height (`int`, *facultatif*, valeur par défaut `None`) : La hauteur en images prétraitées de la vidéo. Si `None`, utilise `get_default_height_width()` pour obtenir la hauteur par défaut. | |
| 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. | |
| **Retourne :** `torch.Tensor` de forme `(batch_size, num_channels, num_frames, height, width)` | |
| Un tenseur 5D contenant les vidéos en lots avec les canaux en premier. | |
| Prétraite la ou les vidéos d’entrée. Les arguments par mot-clé sont transmis à `VaeImageProcessor.preprocess`. | |
| #### diffusers.VideoProcessor.postprocess_video[[diffusers.VideoProcessor.postprocess_video]] | |
| ```python | |
| diffusers.VideoProcessor.postprocess_video(video: Tensor, output_type: str = 'np', **kwargs) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/video_processor.py#L93) | |
| **Paramètres :** | |
| video (`torch.Tensor`) : La vidéo sous forme de tenseur. | |
| output_type (`str`, par défaut `"np"`) : Type de sortie du tenseur `video` après post-traitement. | |
| Convertit un tenseur vidéo en une liste d'images pour l'exportation. Les arguments par mot-clé sont transmis à `VaeImageProcessor.postprocess`. | |
Xet Storage Details
- Size:
- 3.07 kB
- Xet hash:
- 6ec6174ee825655d610a2cfd4ce0244d8946b63473e4c6ca82fe936d9b1fe57f
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.