# AutoencoderKLPH3Image

Pruna AI의 [P-H3-Image](https://huggingface.co/PrunaAI/P-H3-Image) 이미지 VAE입니다. MiniMax-H3의 [비디오 VAE](./autoencoderkl_minimax_h3) 인코더와 잠재 공간을 사용하며, 단일 잠재 프레임 이미지를 복원하는 ViT 디코더를 사용합니다.

[AutoencoderKLMiniMaxH3](/docs/diffusers/main/ko/api/models/autoencoderkl_minimax_h3#diffusers.AutoencoderKLMiniMaxH3)의 관례를 따릅니다:

- 이미지는 16배 공간 압축을 적용한 단일 프레임 비디오로 전달되며, 형식은 `(batch_size, channels, 1, height, width)`입니다.
- Latents는 `scaling_factor` 대신 `latents_mean` / `latents_std`로 채널별로 정규화됩니다.
- Pixels는 `[0, 1]` 범위의 ImageNet 정규화 RGB입니다: `encode`는 `(pixel - imagenet_mean) / imagenet_std`를 입력으로 기대하며, `decode`는 해당 공간의 값을 반환합니다.
- 공간 타일링은 기본적으로 활성화되어 있으며, 타일 크기는 256픽셀이고 최소 64픽셀의 겹침을 가집니다.

```python
import torch
from diffusers import AutoencoderKLPH3Image

vae = AutoencoderKLPH3Image.from_pretrained("PrunaAI/P-H3-Image", subfolder="vae", dtype=torch.bfloat16).to(
    "cuda"
)  # or "mps", "xpu", "cpu"
```

모델이 어떤 `dtype`로 로드되든, 인코더와 디코더의 출력 투영은 float32로 유지됩니다.

## AutoencoderKLPH3Image[[diffusers.AutoencoderKLPH3Image]]

#### diffusers.AutoencoderKLPH3Image[[diffusers.AutoencoderKLPH3Image]]

```python
diffusers.AutoencoderKLPH3Image(in_channels: int = 3, out_channels: int = 3, latent_channels: int = 24, block_out_channels: tuple = (128, 256, 256, 512, 512, 1024), layers_per_block: int = 2, spatial_downsample_factors: tuple = (2, 2, 2, 2, 1, 1), temporal_downsample_factors: tuple = (1, 2, 2, 1, 1, 1), norm_num_groups: int = 32, norm_eps: float = 1e-06, spatial_padding_mode: str = 'reflect', decoder_num_layers: int = 36, decoder_num_attention_heads: int = 32, decoder_attention_head_dim: int = 64, decoder_num_register_tokens: int = 4, decoder_ffn_mult: int = 4, decoder_rope_theta: float = 100.0, decoder_rope_dim_ratio: float = 0.75, decoder_norm_eps: float = 1e-05, latents_mean: tuple = (0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0), latents_std: tuple = (1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0))
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_p_h3_image.py#L493)

[P-H3-Image](https://huggingface.co/PrunaAI/P-H3-Image)의 이미지 VAE: MiniMax-H3의 VAE 인코더와 잠재 공간, 그리고 단일 잠재 프레임을 디코딩하는 `PH3ImageViTDecoder`

이미지는 단일 프레임 비디오로 전달되며, 형식은 `(batch_size, channels, 1, height, width)`입니다. [AutoencoderKLMiniMaxH3](/docs/diffusers/main/ko/api/models/autoencoderkl_minimax_h3#diffusers.AutoencoderKLMiniMaxH3)와 마찬가지로 픽셀은 `[0, 1]` 범위의 ImageNet 정규화 RGB(평균 `(0.485, 0.456, 0.406)`, 표준편차 `(0.229, 0.224, 0.225)`)이며, 공간 타일링은 기본적으로 활성화되어 있습니다.

#### encode[[diffusers.AutoencoderKLPH3Image.encode]]

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

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_p_h3_image.py#L728)

**매개변수:**

x (`torch.Tensor`) : 단일 프레임 비디오로 구성된 입력 이미지 배치, shape `(batch_size, in_channels, 1, height, width)`.

return_dict (`bool`, *선택 사항*, 기본값 `True`) : 일반 튜플 대신 [AutoencoderKLOutput](/docs/diffusers/main/ko/api/models/autoencoderkl_qwenimage#diffusers.models.modeling_outputs.AutoencoderKLOutput)을 반환할지 여부.

**반환값:**

인코딩된 이미지의 잠재 분포. 잠재 변수는 이후에 `latents_mean` / `latents_std`로 정규화됩니다.

이미지 배치(latents)를 인코딩합니다.

#### decode[[diffusers.AutoencoderKLPH3Image.decode]]

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

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_p_h3_image.py#L757)

**매개변수:**

z (`torch.Tensor`) : 입력 배치의 latents, shape `(batch_size, latent_channels, 1, height, width)`.

return_dict (`bool`, *선택 사항*, 기본값 `True`) : 일반 튜플 대신 [DecoderOutput](/docs/diffusers/main/ko/api/models/autoencoderkl_qwenimage#diffusers.models.autoencoders.vae.DecoderOutput)를 반환할지 여부.

**반환값:** [DecoderOutput](/docs/diffusers/main/ko/api/models/autoencoderkl_qwenimage#diffusers.models.autoencoders.vae.DecoderOutput) 또는 `tuple`

복호화된 이미지의 shape는 `(batch_size, out_channels, 1, height, width)`입니다.

latent 이미지 배치(decoding)를 디코딩합니다.

#### enable_tiling[[diffusers.AutoencoderKLPH3Image.enable_tiling]]

```python
enable_tiling(tile_sample_min_height: int | None = None, tile_sample_min_width: int | None = None, tile_sample_min_overlap_height: int | None = None, tile_sample_min_overlap_width: int | None = None)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_p_h3_image.py#L575)

**매개변수:**

tile_sample_min_height (`int`, *선택 사항*) : 픽셀 공간에서의 타일 높이. 이 값보다 높은 프레임은 높이 차원을 따라 분할됩니다.

tile_sample_min_width (`int`, *선택 사항*) : 픽셀 공간에서의 타일 너비. 이 값보다 넓은 프레임은 너비 차원을 따라 분할됩니다.

tile_sample_min_overlap_height (`int`, *선택 사항*) : 두 개의 연속된 세로 타일 사이의 최소 겹침 폭(픽셀 단위).

tile_sample_min_overlap_width (`int`, *선택 사항*) : 두 개의 연속된 수평 타일 사이의 최소 겹침 폭(픽셀 단위).

타일 VAE 인코딩/디코딩 활성화. 이 옵션을 활성화하면 VAE가 프레임을 타일로 분할하고 각 타일을 개별적으로 인코딩 또는 디코딩한 뒤, 겹치는 부분을 선형 블렌딩하여 다시 결합합니다. 이를 통해 메모리 요구량이 줄어들고 더 큰 프레임을 처리할 수 있습니다.

#### forward[[diffusers.AutoencoderKLPH3Image.forward]]

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

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_p_h3_image.py#L784)

**매개변수:**

sample (`torch.Tensor`) : 단일 프레임 비디오로 구성된 입력 이미지 배치, shape `(batch_size, in_channels, 1, height, width)`.

sample_posterior (`bool`, *선택 사항*, 기본값 `False`) : 후분포의 모드를 취하는 대신 후분포에서 샘플링할지 여부.

generator (`torch.Generator`, *선택 사항*) : `sample_posterior=True`일 때 사용되는 Generator입니다.

return_dict (`bool`, *선택 사항*, 기본값 `True`) : 일반 튜플 대신 [DecoderOutput](/docs/diffusers/main/ko/api/models/autoencoderkl_qwenimage#diffusers.models.autoencoders.vae.DecoderOutput)를 반환할지 여부.

**반환값:** [DecoderOutput](/docs/diffusers/main/ko/api/models/autoencoderkl_qwenimage#diffusers.models.autoencoders.vae.DecoderOutput) 또는 `tuple`

라운드 트립된 이미지, shape `(batch_size, out_channels, 1, height, width)`.

이미지 배치(batch)를 인코딩한 후 디코딩합니다.