本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ 在 GitHub 上编辑LTXVLatentUpsampler节点可将视频潜在表示的空间分辨率提升两倍。它使用专门的上采样模型处理潜在数据，该数据首先经过反归一化处理，然后利用提供的VAE通道统计信息重新归一化。此节点专为潜在空间内的视频工作流设计。
输入
| 参数 | 数据类型 | 是否必填 | 范围 | 描述 |
|---|---|---|---|---|
样本 | LATENT | 是 | 待上采样的输入视频潜在表示。 | |
放大模型 | LATENT_UPSCALE_MODEL | 是 | 用于对潜在数据执行2倍上采样的已加载模型。 | |
vae | VAE | 是 | 用于在上采样前对输入潜在数据进行反归一化，并在上采样后对输出潜在数据进行归一化的VAE模型。 |
输出
| 输出名称 | 数据类型 | 描述 |
|---|---|---|
LATENT | LATENT | 上采样后的潜在表示，其空间维度相比输入加倍。输出潜在数据与输入具有相同的批次大小、通道数和时间长度。输入中的noise_mask（若存在）将从输出中移除。 |
Source fingerprint (SHA-256):
b2c726d3a3e4881eee7e1d3bae8c478adf01cd87a9652be882579f4e26c1536f