### نمای کلی

گره VAEEncodeTiled با تقسیم تصاویر به کاشی‌های کوچک‌تر و رمزگذاری آن‌ها با استفاده از یک رمزگذار خودکار متغیر (Variational Autoencoder)، آن‌ها را پردازش می‌کند. این رویکرد کاشی‌بندی شده امکان پردازش تصاویر بزرگ را فراهم می‌کند که در غیر این صورت ممکن است از محدودیت حافظه فراتر روند. این گره از VAEهای تصویری و ویدیویی پشتیبانی می‌کند و کنترل‌های جداگانه‌ای برای کاشی‌بندی ابعاد مکانی و زمانی دارد.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | اجباری | محدوده |
| --- | --- | --- | --- | --- |
| `پیکسل‌ها` | داده‌های تصویر ورودی برای رمزگذاری | IMAGE | بله | - |
| `vae` | مدل رمزگذار خودکار متغیر مورد استفاده برای رمزگذاری | VAE | بله | - |
| `اندازه کاشی` | اندازه هر کاشی برای پردازش مکانی (پیش‌فرض: 512) | INT | بله | 64-4096 (گام: 64) |
| `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 یک زمان رمزگذاری می‌شوند (پیش‌فرض: 64) | INT | بله | 8-4096 (گام: 4) |
| `همپوشانی زمانی` | فقط برای VAEهای ویدیویی استفاده می‌شود: تعداد فریم‌های هم‌پوشانی (پیش‌فرض: 8) | INT | بله | 4-4096 (گام: 4) |

**توجه:** پارامترهای `temporal_size` و `temporal_overlap` فقط هنگام استفاده از VAEهای ویدیویی مرتبط هستند و بر VAEهای استاندارد تصویری تأثیری ندارند.

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `LATENT` | نمایش نهفته رمزگذاری‌شده تصویر ورودی | LATENT |

> 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/VAEEncodeTiled/fa.md)

---
**Source fingerprint (SHA-256):** `87420b96ef9b2d5ef18ecb0339a62b6955151e2a9d2c4390758048c00432939a`