Buckets:
| # Video Processor | |
| Класс `VideoProcessor` предоставляет единый API для видеопайплайнов, позволяющий готовить входные данные для кодирования VAE и выполнять постобработку выходов после декодирования. Класс наследует [VaeImageProcessor](/docs/diffusers/v0.43.0/ru/api/image_processor#diffusers.VaeImageProcessor), поэтому включает такие преобразования, как изменение размера, нормализация и конвертация между массивами PIL Image, PyTorch и 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) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/video_processor.py#L28) | |
| **Параметры:** | |
| video (`list[PIL.Image]`, `list[list[PIL.Image]]`, `torch.Tensor`, `np.array`, `list[torch.Tensor]`, `list[np.array]`) : Входное видео. Может быть одним из следующих: * список изображений PIL. * список списков изображений PIL. * 4D-тензоры Torch (ожидаемая форма каждого тензора `(num_frames, num_channels, height, width)`). * 4D-массивы NumPy (ожидаемая форма каждого массива `(num_frames, height, width, num_channels)`). * список 4D-тензоров Torch (ожидаемая форма каждого тензора `(num_frames, num_channels, height, width)`). * список 4D-массивов NumPy (ожидаемая форма каждого массива `(num_frames, height, width, num_channels)`). * 5D-массивы NumPy: ожидаемая форма каждого массива `(batch_size, num_frames, height, width, num_channels)`. * 5D-тензоры Torch: ожидаемая форма каждого массива `(batch_size, num_frames, num_channels, height, width)`. | |
| height (`int`, *необязательный*, по умолчанию `None`) : Высота видео в предварительно обработанных кадрах. Если `None`, для получения значения по умолчанию используется `get_default_height_width()`. | |
| 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. | |
| **Возвращает:** `torch.Tensor` формы `(batch_size, num_channels, num_frames, height, width)` | |
| Тензор размерности 5, содержащий видео в формате каналов-первым с батчем. | |
| Предварительная обработка входного видео. Именованные аргументы передаются в `VaeImageProcessor.preprocess`. | |
| #### diffusers.VideoProcessor.postprocess_video[[diffusers.VideoProcessor.postprocess_video]] | |
| ```python | |
| diffusers.VideoProcessor.postprocess_video(video: Tensor, output_type: str = 'np', **kwargs) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/video_processor.py#L93) | |
| **Параметры:** | |
| video (`torch.Tensor`) : Видео в виде тензора. | |
| output_type (`str`, по умолчанию `"np"`) : Тип выходного тензора `video` после постобработки. | |
| Преобразует тензор видео в список кадров для экспорта. Именованные аргументы передаются в `VaeImageProcessor.postprocess`. | |
Xet Storage Details
- Size:
- 3.92 kB
- Xet hash:
- 2c3a4539bafcdd3276f3aa8624b01fb3be7a19109f52aa24e898fa4acd95628d
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.