Buckets:
| # Video Processor | |
| `VideoProcessor` menyediakan API terpadu untuk pipeline video guna menyiapkan input untuk encoding VAE dan memproses output pasca-dekode. Kelas ini mewarisi [VaeImageProcessor](/docs/diffusers/v0.43.0/id/api/image_processor#diffusers.VaeImageProcessor) sehingga mencakup transformasi seperti pengubahan ukuran, normalisasi, dan konversi antara PIL Image, PyTorch, dan array 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) | |
| ``` | |
| [Sumber](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/video_processor.py#L28) | |
| **Parameter:** | |
| video (`list[PIL.Image]`, `list[list[PIL.Image]]`, `torch.Tensor`, `np.array`, `list[torch.Tensor]`, `list[np.array]`) : Video input. Dapat berupa salah satu dari berikut: * daftar gambar PIL. * daftar dari daftar gambar PIL. * tensor Torch 4D (bentuk yang diharapkan untuk setiap tensor `(num_frames, num_channels, height, width)`). * array NumPy 4D (bentuk yang diharapkan untuk setiap array `(num_frames, height, width, num_channels)`). * daftar tensor Torch 4D (bentuk yang diharapkan untuk setiap tensor `(num_frames, num_channels, height, width)`). * daftar array NumPy 4D (bentuk yang diharapkan untuk setiap array `(num_frames, height, width, num_channels)`). * array NumPy 5D: bentuk yang diharapkan untuk setiap array `(batch_size, num_frames, height, width, num_channels)`. * tensor Torch 5D: bentuk yang diharapkan untuk setiap array `(batch_size, num_frames, num_channels, height, width)`. | |
| height (`int`, *opsional*, defaultnya `None`) : Tinggi dalam frame video yang telah dipreprocess. Jika `None`, akan menggunakan `get_default_height_width()` untuk mendapatkan tinggi default. | |
| 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. | |
| **Mengembalikan:** `torch.Tensor` dengan bentuk `(batch_size, num_channels, num_frames, height, width)` | |
| Tensor 5D yang menyimpan video dengan format channel-first dalam batch. | |
| Memproses prapemrosesan video input. Argumen kata kunci akan diteruskan ke `VaeImageProcessor.preprocess`. | |
| #### diffusers.VideoProcessor.postprocess_video[[diffusers.VideoProcessor.postprocess_video]] | |
| ```python | |
| diffusers.VideoProcessor.postprocess_video(video: Tensor, output_type: str = 'np', **kwargs) | |
| ``` | |
| [Sumber](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/video_processor.py#L93) | |
| **Parameter:** | |
| video (`torch.Tensor`) : Video sebagai tensor. | |
| output_type (`str`, defaultnya `"np"`) : Tipe output dari tensor `video` yang telah diproses pascaproses. | |
| Mengonversi tensor video menjadi daftar frame untuk diekspor. Argumen kata kunci akan diteruskan ke `VaeImageProcessor.postprocess`. | |
Xet Storage Details
- Size:
- 2.97 kB
- Xet hash:
- b36e4c0499190b901da16974cce14d5e6f2f2e4ba420f255ed678854b0b01e49
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.