diffusers/main/ar/api/models/transformer_bria_fibo2.md

BriaFibo2Transformer2DModel

يعتمد محوّل التدفق الأحادي في Bria لنموذج Fibo 2.0 على كتلة Z-Image. تأتي شروط النص من Qwen3-VL بطريقتين: حيث يحوّل مُعيد العينة Perceiver حالات المُشفِّر النصي المخفية إلى رموز ملخّصة تتشارك التدفق مع رموز الصورة، وتضيف خمس كتل انتباهًا متقاطعًا مُتحكَّمًا به إلى حزمة طبقات Qwen3-VL الخاصة بها. ولأغراض التحرير، تنضمّ الكمونيات (latents) للصور المراد تحريرها إلى التدفق كرموز نظيفة، مع تخصيص مستوى RoPE مستقل لكل صورة.

BriaFibo2Transformer2DModel[[diffusers.BriaFibo2Transformer2DModel]]

diffusers.BriaFibo2Transformer2DModel[[diffusers.BriaFibo2Transformer2DModel]]

diffusers.BriaFibo2Transformer2DModel(in_channels: int = 32, patch_size: int = 2, dim: int = 3584, n_layers: int = 44, n_refiner_layers: int = 2, n_heads: int = 28, norm_eps: float = 1e-05, cap_feat_dim: int = 7680, injection_layer_ids: tuple[int, ...] = (6, 14, 22, 30, 38), perceiver_num_layers: int = 2, min_num_gist_tokens: int = 256, max_num_gist_tokens: int = 512, gist_step: int = 64, gist_min_text_len: int = 256, gist_max_text_len: int = 2048, rope_theta: float = 256.0, t_scale: float = 1000.0, axes_dims: tuple[int, ...] = (32, 48, 48), axes_lens: tuple[int, ...] = (2048, 512, 512))

المصدر

forward[[diffusers.BriaFibo2Transformer2DModel.forward]]

forward(hidden_states: Tensor, timestep: Tensor, encoder_hidden_states: Tensor, encoder_attention_mask: typing.Optional[torch.Tensor] = None, context_latents: list[torch.Tensor] | None = None, return_dict: bool = True)

المصدر

المعاملات:

hidden_states (torch.Tensor من الشكل (batch_size, in_channels, height, width)) : متغيرات VAE المُعدَّلة للصورة قيد التوليد.

timestep (torch.Tensor من الشكل (batch_size,)) : مستوى الضوضاء في [0, 1]: 1 تعني ضوضاء نقية، و0 تعني صورة نظيفة.

encoder_hidden_states (torch.Tensor من الشكل (batch_size, 1 + len(injection_layer_ids), text_len, cap_feat_dim)) : ميزات مُشفِّر النص: حزمة Perceiver أولاً، ثم حزمة واحدة لكل كتلة حقن.

encoder_attention_mask (torch.Tensor من الشكل (batch_size, text_len)، اختياري) : قناع منطقي (Bool) للرموز النصية الحقيقية، لمجموعة من الأوامر (prompts) مُكمّلة (padded) إلى نفس الطول. اتركه None عندما لا يوجد أي تكامل.

context_latents (list[torch.Tensor]، اختياري) : تمثيلات VAE المُطبَّعة للصور المراد تحريرها، حيث يكون لكل صورة متجه واحد بأبعاد (batch_size, in_channels, height, width)، بالترتيب. يمكن أن يكون لكل صورة حجمها الخاص. تعمل رموزها كشرط للتوليد كرموز نظيفة ولا يتم التنبؤ بها.

return_dict (bool، القيمة الافتراضية True) : ما إذا كان يجب إرجاع Transformer2DModelOutput بدلاً من tuple.

يعيد: Transformer2DModelOutput أو tuple

السرعة المتوقعة، ذات الشكل hidden_states. إذا كان return_dict هو False، فهو tuple يكون عنصره الأول ذلك الموتر.