# Trellis2Conditioning

Trellis2Conditioning یک تصویر ورودی را به داده‌های شرط‌گذاری برای مدل TRELLIS.2 تبدیل می‌کند. این گره از یک مدل بینایی CLIP برای رمزگذاری تصویر به دو مجموعه ویژگی (در مقیاس‌های 512 و 1024) استفاده می‌کند و آن‌ها را به‌عنوان یک جفت شرط‌گذاری مثبت بسته‌بندی می‌کند، در حالی که یک جفت شرط‌گذاری منفی صفر-پر با شکل مشابه نیز ایجاد می‌کند که به‌عنوان مرجع خالی عمل می‌کند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | الزامی | محدوده |
|-----------|-------------|-----------|----------|-------|
| `clip_vision_model` | مدل بینایی CLIP که برای رمزگذاری تصویر به ویژگی‌های شرط‌گذاری استفاده می‌شود. | CLIP_VISION | بله | هر مدل بینایی CLIP موجود |
| `تصویر` | تصویر پیش‌پردازش‌شده از ImageCropToMask (برای TRELLIS.2 با pad_factor=1.0). | IMAGE | بله | هر تصویری |

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
|-------------|-------------|-----------|
| `مثبت` | شرط‌گذاری شامل ویژگی‌های تصویر رمزگذاری‌شده در مقیاس‌های 512 و 1024 که به‌عنوان شرط‌گذاری مثبت برای مدل TRELLIS.2 استفاده می‌شود. | CONDITIONING |
| `منفی` | شرط‌گذاری صفر-پر با همان شکل شرط‌گذاری مثبت، که به‌عنوان مرجع منفی خالی استفاده می‌شود. | CONDITIONING |

> این مستند با هوش مصنوعی تهیه شده است. اگر خطایی دیدید یا پیشنهادی برای بهبود دارید، خوشحال می‌شویم مشارکت کنید! [ویرایش در GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/Trellis2Conditioning/fa.md)

---
**Source fingerprint (SHA-256):** `467698e58558ceca9ac633d63aacf360a1eb674ac4ebd47de7423f85e62c0fe6`
