Diffusers documentation
AutoencoderDC
AutoencoderDC
MIT HAN Lab의 Junyu Chen*, Han Cai*, Junsong Chen, Enze Xie, Shang Yang, Haotian Tang, Muyang Li, Yao Lu, Song Han이 DCAE에서 소개하고 SANA에 사용된 2D Autoencoder 모델입니다.
해당 논문의 초록은 다음과 같습니다:
저해상도 확산 모델의 추론 속도를 높이기 위한 새로운 오토인코더 모델 계열인 Deep Compression Autoencoder(DC-AE)를 소개합니다. 기존 오토인코더 모델은 중간 수준의 공간 압축 비율(예: 8x)에서 인상적인 결과를 보여주었지만, 높은 공간 압축 비율(예: 64x)에서는 만족스러운 재구성 정확도를 유지하지 못했습니다. 우리는 두 가지 핵심 기술을 도입하여 이 문제를 해결했습니다. (1) Residual Autoencoding: space-to-channel 변환된 특징을 기반으로 잔차를 학습하도록 모델을 설계하여, 높은 공간 압축을 가진 오토인코더의 최적화 난이도를 완화합니다. (2) Decoupled High-Resolution Adaptation: 높은 공간 압축을 가진 오토인코더의 일반화 페널티를 완화하기 위한 효율적인 분리형 3단계 학습 전략입니다. 이러한 설계를 통해 재구성 품질을 유지하면서 오토인코더의 공간 압축 비율을 최대 128까지 향상시켰습니다. DC-AE를 잠재 공간 확산 모델에 적용하면 정확도 저하 없이 상당한 속도 향상을 달성할 수 있습니다. 예를 들어, ImageNet 512x512에서 널리 사용되는 SD-VAE-f8 오토인코더와 비교할 때, H100 GPU에서 UViT-H에 대해 19.1x의 추론 속도 향상과 17.9x의 학습 속도 향상을 제공하면서 더 나은 FID를 달성했습니다. 코드는 이 https URL에서 사용할 수 있습니다.
다음 DCAE 모델들은 Diffusers에서 릴리스되고 지원됩니다.
이 모델은 lawrence-cj님이 기여했습니다.
from_pretrained()로 Diffusers 형식의 모델을 로드합니다.
from diffusers import AutoencoderDC
ae = AutoencoderDC.from_pretrained("mit-han-lab/dc-ae-f32c32-sana-1.0-diffusers", dtype=torch.float32).to("cuda") # or "mps", "xpu", "cpu"Diffusers에서 from_single_file를 사용하여 모델 로드
from difusers import AutoencoderDC
ckpt_path = "https://huggingface.co/mit-han-lab/dc-ae-f32c32-sana-1.0/blob/main/model.safetensors"
model = AutoencoderDC.from_single_file(ckpt_path)
AutoencoderDC 모델에는 체크포인트 키가 일치하지만 다른 스케일링 인자를 사용하는 in 및 mix 단일 파일 체크포인트 변형이 있습니다. Diffusers는 체크포인트만으로 모델에 사용할 올바른 config 파일을 자동으로 추론할 수 없으며, 기본적으로 mix 변형의 config 파일을 사용하여 모델을 구성합니다. 자동으로 결정된 config를 오버라이드하려면, in 변형의 체크포인트로 단일 파일 로딩을 사용할 때 config 인자를 사용하십시오.
from diffusers import AutoencoderDC
ckpt_path = "https://huggingface.co/mit-han-lab/dc-ae-f128c512-in-1.0/blob/main/model.safetensors"
model = AutoencoderDC.from_single_file(ckpt_path, config="mit-han-lab/dc-ae-f128c512-in-1.0-diffusers")AutoencoderDC
클래스 diffusers.AutoencoderDC
< source >( in_channels: int = 3latent_channels: int = 32attention_head_dim: int = 32encoder_block_types: str | tuple[str] = 'ResBlock'decoder_block_types: str | tuple[str] = 'ResBlock'encoder_block_out_channels: tuple[int, ...] = (128, 256, 512, 512, 1024, 1024)decoder_block_out_channels: tuple[int, ...] = (128, 256, 512, 512, 1024, 1024)encoder_layers_per_block: tuple[int, ...] = (2, 2, 2, 3, 3, 3)decoder_layers_per_block: tuple[int, ...] = (3, 3, 3, 3, 3, 3)encoder_qkv_multiscales: tuple[tuple[int, ...], ...] = ((), (), (), (5,), (5,), (5,))decoder_qkv_multiscales: tuple[tuple[int, ...], ...] = ((), (), (), (5,), (5,), (5,))upsample_block_type: str = 'pixel_shuffle'downsample_block_type: str = 'pixel_unshuffle'decoder_norm_types: str | tuple[str] = 'rms_norm'decoder_act_fns: str | tuple[str] = 'silu'encoder_out_shortcut: bool = Truedecoder_in_shortcut: bool = Truedecoder_conv_act_fn: str = 'relu'scaling_factor: float = 1.0 )
매개변수
- in_channels (
int, 기본값3) — 샘플의 입력 채널 수입니다. - latent_channels (
int, 기본값32) — 잠재 공간 표현의 채널 수입니다. - encoder_block_types (
str | tuple[str], 기본값"ResBlock") — 인코더에 사용할 블록의 유형입니다. - decoder_block_types (
str | tuple[str], 기본값"ResBlock") — 디코더에 사용할 블록의 유형입니다. - encoder_block_out_channels (
tuple[int, ...], 기본값(128, 256, 512, 512, 1024, 1024)) — 인코더의 각 블록에 대한 출력 채널 수입니다. - decoder_block_out_channels (
tuple[int, ...], 기본값(128, 256, 512, 512, 1024, 1024)) — 디코더의 각 블록에 대한 출력 채널 수입니다. - encoder_layers_per_block (
tuple[int], 기본값(2, 2, 2, 3, 3, 3)) — 인코더의 블록당 레이어 수입니다. - decoder_layers_per_block (
tuple[int], 기본값(3, 3, 3, 3, 3, 3)) — 디코더의 블록당 레이어 수입니다. - encoder_qkv_multiscales (
tuple[tuple[int, ...], ...], 기본값((), (), (), (5,), (5,), (5,))) — 인코더의 QKV(쿼리-키-값) 변환을 위한 멀티스케일 구성입니다. - decoder_qkv_multiscales (
tuple[tuple[int, ...], ...], 기본값((), (), (), (5,), (5,), (5,))) — 디코더의 QKV(쿼리-키-값) 변환을 위한 멀티스케일 구성입니다. - upsample_block_type (
str, 기본값"pixel_shuffle") — 디코더에서 업샘플링에 사용할 블록의 유형입니다. - downsample_block_type (
str, 기본값"pixel_unshuffle") — 인코더에서 다운샘플링에 사용할 블록의 유형입니다. - decoder_norm_types (
str | tuple[str], 기본값"rms_norm") — 디코더에서 사용할 정규화 유형입니다. - decoder_act_fns (
str | tuple[str], 기본값"silu") — 디코더에 사용할 활성화 함수입니다. - encoder_out_shortcut (
bool, 기본값True) — 인코더의 끝에 shortcut을 사용할지 여부입니다. - decoder_in_shortcut (
bool, 기본값True) — 디코더의 시작 부분에 shortcut을 사용할지 여부입니다. - decoder_conv_act_fn (
str, 기본값"relu") — 디코더의 끝에 사용할 활성화 함수입니다. - scaling_factor (
float, 기본값1.0) — 잠재 특징의 제곱근 평균 제곱(RMS)의 역수입니다. 이는 diffusion model을 학습할 때 잠재 공간의 분산을 1로 조정하는 데 사용됩니다. 잠재 변수는 diffusion model에 전달되기 전에z = z * scaling_factor공식으로 스케일링됩니다. 디코딩 시에는z = 1 / scaling_factor * z공식을 사용하여 잠재 변수를 원래의 스케일로 되돌립니다.
DCAE에서 소개되고 SANA에서 사용되는 Autoencoder 모델입니다.
이 모델은 ModelMixin에서 상속됩니다. 모든 모델에 대해 구현된 일반적 메서드(다운로드 또는 저장 등)에 대해서는 상위 클래스 문서를 확인하세요.
encode
< source >( x: Tensorreturn_dict: bool = True )
이미지 배치(latents)를 인코딩합니다.
decode
< source >( z: Tensorreturn_dict: bool = True ) → ~models.vae.DecoderOutput or tuple
이미지 배치(decode)를 디코딩합니다.
enable_tiling
< source >( tile_sample_min_height: int | None = Nonetile_sample_min_width: int | None = Nonetile_sample_stride_height: float | None = Nonetile_sample_stride_width: float | None = None )
매개변수
- tile_sample_min_height (
int, 선택 사항) — 높이 차원에서 샘플이 타일로 분리되려면 필요한 최소 높이입니다. - tile_sample_min_width (
int, 선택 사항) — 샘플이 너비 차원으로 타일 분리되려면 필요한 최소 너비입니다. - tile_sample_stride_height (
int, 선택 사항) — 연속된 세로 타일 사이의 최소 겹침 양입니다. 이는 높이 차원에서 타일링 아티팩트가 발생하지 않도록 보장하기 위한 것입니다. - tile_sample_stride_width (
int, 선택 사항) — 연속된 두 수평 타일 사이의 스트라이드입니다. 이는 너비 차원에서 타일링 아티팩트가 발생하지 않도록 보장하기 위한 것입니다.
타일 AE 디코딩을 활성화합니다. 이 옵션이 활성화되면 AE는 입력 텐서를 타일로 분할하여 디코딩 및 인코딩을 여러 단계로 계산합니다. 이는 대량의 메모리를 절약하고 더 큰 이미지를 처리할 수 있도록 하는 데 유용합니다.
forward
< source >( sample: Tensorreturn_dict: bool = True ) → ~models.vae.DecoderOutput or tuple
DecoderOutput
class diffusers.models.autoencoders.vae.DecoderOutput
< source >( sample: Tensorcommit_loss: typing.Optional[torch.FloatTensor] = None )
디코딩 메서드의 출력.