AutoencoderKLKVAEVideo

带有 KL 损失的 3D 变分自编码器（VAE）模型。

可以使用以下代码片段加载该模型。

import torch
from diffusers import AutoencoderKLKVAEVideo

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

AutoencoderKLKVAEVideo

类 diffusers.AutoencoderKLKVAEVideo

< source >

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

参数

ch (int，可选，默认为 128) — 基础通道数。
ch_mult（Tuple[int]，可选，默认为 (1, 2, 4, 8)）— 每个层级的通道乘数。
num_res_blocks (int，可选，默认为 2) — 每个层级的残差块数量。
in_channels (int，可选，默认为 3) — 输入通道数。
out_ch (int，可选，默认为 3) — 输出通道数。
z_channels（int，可选，默认为 16）— 潜在通道的数量。
temporal_compress_times (int，可选，默认为 4) — 时间压缩因子。

一个用于将视频编码为潜在表示并将潜在表示解码为视频的 VAE 模型，包含 KL 损失。用于 KVAE。

该模型继承自 ModelMixin。有关为所有模型实现的通用方法（例如下载或保存），请参阅其父类文档。

decode

< source >

( z: Tensorreturn_dict: bool = True ) → ~models.vae.DecoderOutput or tuple

参数

z (torch.Tensor) — 形状为 (B, C, T, H, W) 的潜在向量输入批次。
return_dict (bool，可选，默认为 True) — 是否返回 ~models.vae.DecoderOutput 而不是普通元组。

返回值

~models.vae.DecoderOutput 或 tuple

解码后的视频。

解码一批视频。

disable_slicing

< source >

( )

禁用切片 VAE 解码。

enable_slicing

< source >

( )

启用切片 VAE 解码。

encode

< source >

( x: Tensorreturn_dict: bool = True )

参数

x (torch.Tensor) — 形状为 (B, C, T, H, W) 的输入视频批次。
return_dict (bool，可选，默认为 True) — 是否返回 ~models.autoencoder_kl.AutoencoderKLOutput 而不是普通元组。

将一批视频编码为潜在表示。

forward

< source >

( sample: Tensorsample_posterior: bool = Falsereturn_dict: bool = Truegenerator: typing.Optional[torch.Generator] = None ) → ~models.vae.DecoderOutput or tuple

参数

sample (torch.Tensor) — 输入样本。
sample_posterior (bool，可选，默认为 False) — 是否从后验分布中采样。
return_dict (bool，可选，默认为 True) — 是否返回 DecoderOutput 而不是普通元组。
generator (torch.Generator，可选) — 用于使采样过程确定性的 torch.Generator。

返回值

~models.vae.DecoderOutput 或 tuple

如果 return_dict 为 True，则返回 ~models.vae.DecoderOutput，否则返回普通的 tuple。

Update on GitHub

Diffusers

AutoencoderKLKVAEVideo