两张参考图的情况下，这里是不是有问题？ 应该有下标索引image_vae[0]么？

[QingQingS]

[QingQingS]

这块没有理解，这是在做什么 当参考图数量为2时， video_condition = 图一+图二* 4+ 零*（num_frames-5） 当参考图数量为3时，vae_repeat的情况下，video_condition = 图一+图二* 4+图三* 4+零*（num_frames-9）

图一 不用repeat么？

[rain152]

这里len=2的情况下，image_vae就是[image_vae[0],image_vae[1]]，所以上面就是[image_vae[0]] + [image_vae[1]]*4，上下是统一的。

[sigma-alpha-beta]

这里len=2的情况下，image_vae就是[image_vae[0],image_vae[1]]，所以上面就是[image_vae[0]] + [image_vae[1]]*4，上下是统一的。

同样的疑问，为什么图1不repeat，是因为图1下采样一定不会丢失吗？

[EveningLin]

@rain152 @qiudi0127 @DebangLi @QingQingS @sigma-alpha-beta 我也有同样的好奇！！！！每个参考帧对应的这个乘数是怎么给的？？为什么是1，4，剩下帧

[EveningLin]

第一帧在vae里面应该是会独立处理，其他帧的数量应该是对应VAE 的时序下采样因子