概要
VOID動画精細化プロセスの2回目のパス用に、時間的に相関のあるノイズを生成します。パス1からの出力動画を取得し、ガウシアンノイズをオプティカルフローベクトルに沿ってワープすることで、動画コンテンツと一貫性を持って動くノイズを作成します。このワープされたノイズはパス2の初期潜在変数として使用され、最終出力の時間的一貫性を向上させます。入力
| パラメータ | 説明 | データ型 | 必須 | 範囲 |
|---|---|---|---|---|
optical_flow | OpticalFlowLoader（RAFT-large）からのオプティカルフローモデル。 | MODEL | はい | - |
video | パス1の出力動画フレーム [T, H, W, 3]。 | IMAGE | はい | - |
width | 出力潜在変数の幅（デフォルト: 672）。 | INT | はい | 16 ～ MAX_RESOLUTION（ステップ 8） |
height | 出力潜在変数の高さ（デフォルト: 384）。 | INT | はい | 16 ～ MAX_RESOLUTION（ステップ 8） |
length | ピクセルフレーム数。latent_t を偶数にするために切り捨てられます（patch_size_t=2 の要件）。例: 49 → 45（デフォルト: 45）。 | INT | はい | 1 ～ MAX_RESOLUTION（ステップ 1） |
batch_size | 生成する同一ノイズシーケンスの数（デフォルト: 1）。 | INT | はい | 1 ～ 64 |
length パラメータに関する注意: length の値は、latent_t 次元が偶数になる最も近い有効な値に自動的に切り捨てられます。これは、CogVideoX-Fun-V1.5 モデルの patch_size_t=2 制約によるものです。切り捨てが発生した場合、警告がログに記録されます。
出力
| 出力名 | 説明 | データ型 |
|---|---|---|
warped_noise | オプティカルフローでワープされたガウシアンノイズを含む5次元テンソル（B, C, T, H, W）。VOIDパス2の初期潜在変数として使用可能です。 | LATENT |
このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ GitHub で編集
Source fingerprint (SHA-256):
a0f986e54bcc6c455220f89f5d840585a9eae081e522ea11e0ce37ab46821bd9