Diffusers documentation
AutoencoderKLHunyuanVideo
AutoencoderKLHunyuanVideo
腾讯在HunyuanVideo: A Systematic Framework For Large Video Generative Models中介绍的HunyuanVideo所使用的、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。
from diffusers import AutoencoderKLHunyuanVideo
vae = AutoencoderKLHunyuanVideo.from_pretrained("hunyuanvideo-community/HunyuanVideo", subfolder="vae", dtype=torch.float16)AutoencoderKLHunyuanVideo
类 diffusers.AutoencoderKLHunyuanVideo
< source >( in_channels: int = 3out_channels: int = 3latent_channels: int = 16down_block_types: tuple = ('HunyuanVideoDownBlock3D', 'HunyuanVideoDownBlock3D', 'HunyuanVideoDownBlock3D', 'HunyuanVideoDownBlock3D')up_block_types: tuple = ('HunyuanVideoUpBlock3D', 'HunyuanVideoUpBlock3D', 'HunyuanVideoUpBlock3D', 'HunyuanVideoUpBlock3D')block_out_channels: tuple = (128, 256, 512, 512)layers_per_block: int = 2act_fn: str = 'silu'norm_num_groups: int = 32scaling_factor: float = 0.476986spatial_compression_ratio: int = 8temporal_compression_ratio: int = 4mid_block_add_attention: bool = True )
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，采用 KL 损失。 在 HunyuanVideo 中引入。
该模型继承自 ModelMixin。请查阅其父类文档，了解为所有模型实现的通用方法（例如下载或保存）。
decode
< source >( z: Tensorreturn_dict: bool = True ) → ~models.vae.DecoderOutput or tuple
解码一批图像。
enable_tiling
< source >( tile_sample_min_height: int | None = Nonetile_sample_min_width: int | None = Nonetile_sample_min_num_frames: int | None = Nonetile_sample_stride_height: float | None = Nonetile_sample_stride_width: float | None = Nonetile_sample_stride_num_frames: float | None = None )
参数
- tile_sample_min_height (
int, 可选) — 样本在高度维度上被分割为多个 tile 所需的最小高度。 - tile_sample_min_width (
int, 可选) — 样本在宽度维度上被分割为多个 tile 所需的最小宽度。 - tile_sample_min_num_frames (
int, 可选) — 将样本沿帧维度拆分为多个 tile 所需的最小帧数。 - tile_sample_stride_height (
int, 可选) — 两个相邻垂直瓦片之间的最小重叠量。这用于确保在高度维度上不会产生瓦片伪影。 - tile_sample_stride_width (
int, 可选) — 两个相邻水平瓦片之间的步长。用于确保在宽度维度上不会产生瓦片拼接伪影。 - tile_sample_stride_num_frames (
int, 可选) — 两个连续帧块之间的步长。用于确保在帧维度上不产生分块伪影。
启用分块 VAE 解码。启用此选项后，VAE 会将输入张量拆分为多个分块，分步执行解码和编码。这有助于节省大量内存，并支持处理更大的图像。
encode
< source >( x: Tensorreturn_dict: bool = True )
将一批图像编码为潜在表示。
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。
tiled_decode
< source >( z: Tensorreturn_dict: bool = True ) → ~models.vae.DecoderOutput or tuple
使用分块解码器解码一批图像。
tiled_encode
< source >( x: Tensor ) → torch.Tensor
使用分块编码器对一批图像进行编码。
DecoderOutput
class diffusers.models.autoencoders.vae.DecoderOutput
< source >( sample: Tensorcommit_loss: typing.Optional[torch.FloatTensor] = None )
解码方法的输出。