# AutoencoderKLKVAEVideo

نموذج الترميز التلقائي التبايني ثلاثي الأبعاد (VAE) مع خسارة كولباك-ليبلر.

يمكن تحميل النموذج باستخدام مقتطف الشيفرة التالي.

```python
import torch
from diffusers import AutoencoderKLKVAEVideo

vae = AutoencoderKLKVAEVideo.from_pretrained("kandinskylab/KVAE-3D-1.0", subfolder="diffusers", dtype=torch.float16)
```

## AutoencoderKLKVAEVideo[[diffusers.AutoencoderKLKVAEVideo]]

#### diffusers.AutoencoderKLKVAEVideo[[diffusers.AutoencoderKLKVAEVideo]]

```python
diffusers.AutoencoderKLKVAEVideo(ch: int = 128, ch_mult: typing.Tuple[int, ...] = (1, 2, 4, 8), num_res_blocks: int = 2, in_channels: int = 3, out_ch: int = 3, z_channels: int = 16, temporal_compress_times: int = 4)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_kvae_video.py#L707)

**المعاملات:**

ch (`int`، *اختياري*، القيمة الافتراضية 128) : عدد القنوات الأساسي.

ch_mult (`Tuple[int]`، *اختياري*، القيمة الافتراضية `(1, 2, 4, 8)`) : مضاعفات القنوات لكل مستوى.

num_res_blocks (`int`، *اختياري*، القيمة الافتراضية 2) : عدد كتل البقايا (residual blocks) لكل مستوى.

in_channels (`int`، *اختياري*، القيمة الافتراضية 3) : عدد قنوات الإدخال.

out_ch (`int`، *اختياري*، القيمة الافتراضية 3) : عدد قنوات الإخراج.

z_channels (`int`، *اختياري*، القيمة الافتراضية 16) : عدد قنوات الكمون.

temporal_compress_times (`int`، *اختياري*، القيمة الافتراضية 4) : معامل الضغط الزمني.

نموذج VAE مع خسارة KL لتشفير مقاطع الفيديو إلى كامنات وفك تمثيل الكامنات إلى مقاطع فيديو. يُستخدم في [KVAE](https://github.com/kandinskylab/kvae-1).

يرث هذا النموذج من [ModelMixin](/docs/diffusers/main/ar/api/models/overview#diffusers.ModelMixin). راجع توثيق الفئة الأصلية لمعرفة طرقها العامة المُنفَّذة لجميع النماذج (مثل التنزيل أو الحفظ).

#### فك الترميز[[diffusers.AutoencoderKLKVAEVideo.decode]]

```python
decode(z: Tensor, return_dict: bool = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_kvae_video.py#L915)

**المعاملات:**

z (`torch.Tensor`) : دفعة إدخال من المتجهات الكامنة ذات الشكل (B, C, T, H, W).

return_dict (`bool`، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان يجب إرجاع `~models.vae.DecoderOutput` بدلاً من tuple عادي.

**يعيد:** `~models.vae.DecoderOutput` أو `tuple`

فيديو مُفكّك الترميز.

فكّ ترميز دفعة من مقاطع الفيديو.

#### disable_slicing[[diffusers.AutoencoderKLKVAEVideo.disable_slicing]]

```python
disable_slicing()
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_kvae_video.py#L844)

تعطيل فك ترميز VAE المقطّع.

#### enable_slicing[[diffusers.AutoencoderKLKVAEVideo.enable_slicing]]

```python
enable_slicing()
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_kvae_video.py#L840)

تفعيل فك ترميز VAE المقطعي.

#### ترميز[[diffusers.AutoencoderKLKVAEVideo.encode]]

```python
encode(x: Tensor, return_dict: bool = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_kvae_video.py#L867)

**المعاملات:**

x (`torch.Tensor`) : دفعة إدخال من مقاطع الفيديو ذات الشكل (B, C, T, H, W).

return_dict (`bool`، *اختياري*، الافتراضي `True`) : ما إذا كان يجب إرجاع `~models.autoencoder_kl.AutoencoderKLOutput` بدلاً من tuple عادي.

**يعيد:**

تمثيلات الكامنة للفيديوهات المُرمّزة.

ترميز دفعة من مقاطع الفيديو إلى كامنات.

#### forward[[diffusers.AutoencoderKLKVAEVideo.forward]]

```python
forward(sample: Tensor, sample_posterior: bool = False, return_dict: bool = True, generator: typing.Optional[torch.Generator] = None)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_kvae_video.py#L938)

**المعاملات:**

sample (`torch.Tensor`) : عينة الإدخال.

sample_posterior (`bool`، *اختياري*، الافتراضي `False`) : ما إذا كان سيتم أخذ عينة من التوزيع اللاحق.

return_dict (`bool`، *اختياري*، الافتراضي `True`) : ما إذا كان يجب إرجاع `DecoderOutput` بدلاً من tuple عادي.

generator (`torch.Generator`، *اختياري*) : [`torch.Generator`](https://pytorch.org/docs/stable/generated/torch.Generator.html) لجعل عملية أخذ العينات حتمية.

**يعيد:** `~models.vae.DecoderOutput` أو `tuple`

إذا كان `return_dict` صحيحًا، يُعاد `~models.vae.DecoderOutput`، وإلا يُعاد `tuple` عادي.