Stable Diffusion的AutoencoderKL编码latent

Stable Diffusion之AutoencoderKL

Stable Diffusion

映射图像到潜空间



1.AutoencoderKL

代码如下(示例):

from diffusers import AutoencoderKL
from diffusers import DiffusionPipeline
import torch
from PIL import Image
import torchvision
from torchvision.utils import save_image
vae= AutoencoderKL.from_pretrained("stable-diffusion-v1-5/stable-diffusion-v1-5", subfolder="vae")

pipeline.to("cuda")
image=Image.open('testdata/brad_pitt.png').convert('RGB')
image=torchvision.transforms.functional.resize(image,256)
image=torchvision.transforms.functional.to_tensor(image).to("cuda").unsqueeze(0)
feature=vae.encode(image).latent_dist.sample()
######映射图片到潜空间
feature=feature+torch.rand(feature.shape).to("cuda")
feature = vae.decode(feature).sample

可视化图像与特征(示例):
Input image
Input image
latent
在这里插入图片描述

Channel 0;1;2;3

提供的参考引用中未提及AutoencoderKL的定义和介绍。AutoencoderKL即变分自编码器(Variational Autoencoder)的一种特定实现,变分自编码器是自编码器的扩展,是在传统自编码器的基础上引入了概率解释。 传统自编码器旨在学习一种将输入数据编码为低维表示,然后再从这个低维表示中重构出原始输入的映射关系。而变分自编码器在编码过程中不是直接输出一个确定的低维向量,而是输出这个向量的均值和方差,以此来定义一个概率分布,从这个分布中采样得到低维向量,这使得模型可以学习到数据的潜在分布。 在图像生成任务中,AutoencoderKL常用于将图像编码为潜在空间的表示(latent representation),比如在Stable Diffusion等文本到图像生成模型里,AutoencoderKL会把输入图像转换为低维的潜在表示,降低计算量的同时也方便模型处理,在解码阶段,它又能将潜在表示还原为图像。 ```python import torch import torch.nn as nn class AutoencoderKL(nn.Module): def __init__(self, in_channels, latent_dim): super(AutoencoderKL, self).__init__() # 编码器部分 self.encoder = nn.Sequential( nn.Conv2d(in_channels, 128, kernel_size=4, stride=2, padding=1), nn.ReLU(), nn.Conv2d(128, 256, kernel_size=4, stride=2, padding=1), nn.ReLU(), nn.Conv2d(256, 512, kernel_size=4, stride=2, padding=1), nn.ReLU(), nn.Conv2d(512, latent_dim * 2, kernel_size=4, stride=2, padding=1) ) # 解码器部分 self.decoder = nn.Sequential( nn.ConvTranspose2d(latent_dim, 512, kernel_size=4, stride=2, padding=1), nn.ReLU(), nn.ConvTranspose2d(512, 256, kernel_size=4, stride=2, padding=1), nn.ReLU(), nn.ConvTranspose2d(256, 128, kernel_size=4, stride=2, padding=1), nn.ReLU(), nn.ConvTranspose2d(128, in_channels, kernel_size=4, stride=2, padding=1), nn.Sigmoid() ) def encode(self, x): h = self.encoder(x) mean, logvar = torch.chunk(h, 2, dim=1) return mean, logvar def reparameterize(self, mean, logvar): std = torch.exp(0.5 * logvar) eps = torch.randn_like(std) return mean + eps * std def decode(self, z): return self.decoder(z) def forward(self, x): mean, logvar = self.encode(x) z = self.reparameterize(mean, logvar) return self.decode(z), mean, logvar ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值