Stable Diffusion的AutoencoderKL编码latent

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

评论
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