Diffusers 文档
AutoencoderKLHunyuanVideo
并获得增强的文档体验
开始使用
AutoencoderKLHunyuanVideo
在 HunyuanVideo 中使用的带有 KL 损失的 3D 变分自动编码器 (VAE) 模型,该模型在腾讯的 HunyuanVideo: A Systematic Framework For Large Video Generative Models 中介绍。
该模型可以使用以下代码片段加载。
from diffusers import AutoencoderKLHunyuanVideo
vae = AutoencoderKLHunyuanVideo.from_pretrained("hunyuanvideo-community/HunyuanVideo", subfolder="vae", torch_dtype=torch.float16)
AutoencoderKLHunyuanVideo
class diffusers.AutoencoderKLHunyuanVideo
< source >( in_channels: int = 3 out_channels: int = 3 latent_channels: int = 16 down_block_types: typing.Tuple[str, ...] = ('HunyuanVideoDownBlock3D', 'HunyuanVideoDownBlock3D', 'HunyuanVideoDownBlock3D', 'HunyuanVideoDownBlock3D') up_block_types: typing.Tuple[str, ...] = ('HunyuanVideoUpBlock3D', 'HunyuanVideoUpBlock3D', 'HunyuanVideoUpBlock3D', 'HunyuanVideoUpBlock3D') block_out_channels: typing.Tuple[int] = (128, 256, 512, 512) layers_per_block: int = 2 act_fn: str = 'silu' norm_num_groups: int = 32 scaling_factor: float = 0.476986 spatial_compression_ratio: int = 8 temporal_compression_ratio: int = 4 mid_block_add_attention: bool = True )
一个带有 KL 损失的 VAE 模型,用于将视频编码为潜在表示,并将潜在表示解码为视频。在 HunyuanVideo 中介绍。
此模型继承自 ModelMixin。查看超类文档,了解为所有模型实现的通用方法(例如下载或保存)。
禁用切片 VAE 解码。如果之前启用了 enable_slicing
,此方法将恢复为一步计算解码。
禁用平铺 VAE 解码。如果之前启用了 enable_tiling
,此方法将恢复为一步计算解码。
启用切片 VAE 解码。启用此选项后,VAE 将输入张量分割成切片,分步计算解码。这有助于节省一些内存,并允许更大的批量大小。
启用平铺 (enable_tiling)
< 源代码 >( tile_sample_min_height: typing.Optional[int] = None tile_sample_min_width: typing.Optional[int] = None tile_sample_min_num_frames: typing.Optional[int] = None tile_sample_stride_height: typing.Optional[float] = None tile_sample_stride_width: typing.Optional[float] = None tile_sample_stride_num_frames: typing.Optional[float] = None )
参数
- tile_sample_min_height (
int
, 可选) — 将样本沿高度维度分离成瓦片所需的最小高度。 - tile_sample_min_width (
int
, 可选) — 将样本沿宽度维度分离成瓦片所需的最小宽度。 - tile_sample_min_num_frames (
int
, 可选) — 将样本沿帧维度分离成瓦片所需的最小帧数。 - tile_sample_stride_height (
int
, 可选) — 两个连续垂直瓦片之间的最小重叠量。这是为了确保在高度维度上不会产生平铺伪影。 - tile_sample_stride_width (
int
, 可选) — 两个连续水平瓦片之间的步幅。这是为了确保在宽度维度上不会产生平铺伪影。 - tile_sample_stride_num_frames (
int
, 可选) — 两个连续帧瓦片之间的步幅。这是为了确保在帧维度上不会产生平铺伪影。
启用平铺 VAE 解码。启用此选项后,VAE 将把输入张量分割成瓦片,分步计算解码和编码。这对于节省大量内存并允许处理更大的图像非常有用。
前向传播 (forward)
< 源代码 >( sample: Tensor sample_posterior: bool = False return_dict: bool = True generator: typing.Optional[torch._C.Generator] = None )
平铺解码 (tiled_decode)
< 源代码 >( z: Tensor return_dict: bool = True ) → ~models.vae.DecoderOutput
或 tuple
使用平铺解码器解码一批图像。
平铺编码 (tiled_encode)
< 源代码 >( x: Tensor ) → torch.Tensor
使用平铺编码器编码一批图像。
DecoderOutput
类 (class) diffusers.models.autoencoders.vae.DecoderOutput
< 源代码 >( sample: Tensor commit_loss: typing.Optional[torch.FloatTensor] = None )
解码方法的输出。