训练设备：NVIDIA RTX 5090 (约 90 分钟完成 200 轮训练)
数据集：Succulent-Vision-Dataset (2000张经过增强的多肉图片)
损失函数：
- MSE Loss (像素级还原)
- VGG Perceptual Loss (保持多肉叶片质感)
- KL Divergence (约束潜空间，便于特征融合)
参数配置：
- Resolution: 128x128
- Batch Size: 128
- Latent Channels: 4

🚀 快速使用

你可以使用以下代码加载并使用该模型：

python

from diffusers import AutoencoderKL
import torch

# 加载模型
model_id = "HaiPenglai/Succulent-VAE-128"
vae = AutoencoderKL.from_pretrained(model_id)

# 假设你有一张 128x128 的多肉图片 tensor: x
# 编码到潜空间
# posterior = vae.encode(x).latent_dist
# z = posterior.sample()
# 从潜空间解码
# reconstruction = vae.decode(z).sample