Diffusers documentation
BriaFibo2Transformer2DModel
BriaFibo2Transformer2DModel
Bria’nın Z-Image bloğu üzerine inşa edilen Fibo 2.0’ın tek akışlı dönüştürücüsü. Metin koşullandırması, Qwen3-VL’den iki yolla gelir: bir Perceiver yeniden örnekleyici, metin kodlayıcısının gizli durumlarını akıştaki görüntü jetonlarıyla aynı akışı paylaşan özet jetonlarına dönüştürür ve beş blok, kendi Qwen3-VL katmanları demetine kapılı çapraz dikkat ekler. Düzenleme için, düzenlenecek görüntülerin gizli değişkenleri temiz jetonlar olarak akışa katılır; her görüntü kendi RoPE düzleminde yer alır.
BriaFibo2Transformer2DModel
sınıf diffusers.BriaFibo2Transformer2DModel
< source >( in_channels: int = 32patch_size: int = 2dim: int = 3584n_layers: int = 44n_refiner_layers: int = 2n_heads: int = 28norm_eps: float = 1e-05cap_feat_dim: int = 7680injection_layer_ids: tuple[int, ...] = (6, 14, 22, 30, 38)perceiver_num_layers: int = 2min_num_gist_tokens: int = 256max_num_gist_tokens: int = 512gist_step: int = 64gist_min_text_len: int = 256gist_max_text_len: int = 2048rope_theta: float = 256.0t_scale: float = 1000.0axes_dims: tuple[int, ...] = (32, 48, 48)axes_lens: tuple[int, ...] = (2048, 512, 512) )
forward
< source >( hidden_states: Tensortimestep: Tensorencoder_hidden_states: Tensorencoder_attention_mask: typing.Optional[torch.Tensor] = Nonecontext_latents: list[torch.Tensor] | None = Nonereturn_dict: bool = True ) → Transformer2DModelOutput or tuple
Parametreler
- hidden_states (
torch.Tensor, şekli(batch_size, in_channels, height, width)) — Oluşturulan görüntünün normalize edilmiş VAE latantları. - timestep (
torch.Tensor, şekli(batch_size,)) —[0, 1]aralığında gürültü seviyesi: 1 saf gürültüyü, 0 temiz bir görüntüyü temsil eder. - encoder_hidden_states (
torch.Tensor, şekli(batch_size, 1 + len(injection_layer_ids), text_len, cap_feat_dim)) — Metin kodlayıcı özellikleri: önce Perceiver’ın demeti, ardından her enjeksiyon bloğu için birer demet. - encoder_attention_mask (
torch.Tensor, şekli(batch_size, text_len), isteğe bağlı) — Aynı uzunluğa doldurulmuş bir prompt grubu için gerçek metin token'larının Bool maskesi. Hiçbir şey doldurulmadığındaNoneolarak bırakın. - context_latents (
list[torch.Tensor], isteğe bağlı) — Düzenlenecek görüntülerin normalize edilmiş VAE latentleri, her görüntü için sırasıyla(batch_size, in_channels, height, width)biçiminde bir tensör. Her görüntünün kendi boyutuna sahip olabilir. Token'ları, üretim sürecini temiz token'lar olarak koşullandırır ve tahmin edilmez. - return_dict (
bool, varsayılanTrue) — Bir tuple yerine Transformer2DModelOutput döndürülüp döndürülmediğini belirtir.
Dönüş değeri
Transformer2DModelOutput veya tuple
hidden_states biçiminde tahmini hız. return_dict False ise, ilk öğesi bu tensör olan bir demet.