# رمزگشایی VAE (کاشی‌بندی‌شده)

گره VAEDecodeTiled نمایش‌های نهفته را با استفاده از رویکرد کاشی‌کاری‌شده به تصاویر رمزگشایی می‌کند تا تصاویر بزرگ را به‌طور کارآمد پردازش کند. این گره ورودی را در کاشی‌های کوچک‌تر پردازش می‌کند تا مصرف حافظه را مدیریت کرده و در عین حال کیفیت تصویر را حفظ کند. این گره همچنین از VAEهای ویدیویی پشتیبانی می‌کند و فریم‌های زمانی را به‌صورت تکه‌تکه و همراه با هم‌پوشانی برای انتقال‌های روان پردازش می‌کند.

## ورودی‌ها

| پارامتر | توضیح | نوع داده | الزامی | محدوده |
| --- | --- | --- | --- | --- |
| `نمونه‌ها` | نمایش نهفته‌ای که باید به تصاویر رمزگشایی شود | LATENT | بله | - |
| `vae` | مدل VAE مورد استفاده برای رمزگشایی نمونه‌های نهفته | VAE | بله | - |
| `اندازه کاشی` | اندازه هر کاشی برای پردازش (پیش‌فرض: 512) | INT | بله | 64-4096 (گام: 32) |
| `همپوشانی` | میزان هم‌پوشانی بین کاشی‌های مجاور (پیش‌فرض: 64) | INT | بله | 0-4096 (گام: 32) |
| `اندازه زمانی` | فقط برای VAEهای ویدیویی استفاده می‌شود: تعداد فریم‌هایی که در هر بار رمزگشایی می‌شوند (پیش‌فرض: 64) | INT | بله | 8-4096 (گام: 4) |
| `همپوشانی زمانی` | فقط برای VAEهای ویدیویی استفاده می‌شود: تعداد فریم‌های هم‌پوشان (پیش‌فرض: 8) | INT | بله | 4-4096 (گام: 4) |

**نکته:** ورودی‌های `tile_size`، `overlap`، `temporal_size` و `temporal_overlap` به‌عنوان تنظیمات پیشرفته علامت‌گذاری شده‌اند.

**نکته:** این گره در صورت فراتر رفتن مقادیر هم‌پوشانی از محدودیت‌های عملی، آن‌ها را به‌طور خودکار تنظیم می‌کند. اگر `tile_size` کمتر از ۴ برابر `overlap` باشد، هم‌پوشانی به یک‌چهارم اندازه کاشی کاهش می‌یابد. به‌طور مشابه، اگر `temporal_size` کمتر از دو برابر `temporal_overlap` باشد، هم‌پوشانی زمانی نصف می‌شود. این گره هنگام محاسبه اندازه‌های کاشی و هم‌پوشانی برای ابعاد مکانی و زمانی، نسبت‌های فشرده‌سازی داخلی VAE را نیز در نظر می‌گیرد. اگر latent ورودی یک دسته تودرتوی از latent‌ها باشد، تنها اولین مورد در دسته رمزگشایی می‌شود.

## خروجی‌ها

| نام خروجی | توضیح | نوع داده |
| --- | --- | --- |
| `IMAGE` | تصویر یا تصاویر رمزگشایی‌شده که از نمایش نهفته تولید شده‌اند. هنگام رمزگشایی latent‌های ویدیویی، خروجی دنباله‌ای از فریم‌های تصویر است. | IMAGE |

> 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/VAEDecodeTiled/fa.md)

---
**Source fingerprint (SHA-256):** `04136ba1abd0c74e780dc405f916a08b809630ae4f41c183049535488b40fd96`
