Buckets:

hf-doc-build
/

doc

Files

xet

hf-doc-build/doc / diffusers /main /ko /api /models /controlnet_hunyuandit.md

mishig

about 15 hours ago

preview code

download

raw

13.1 kB

# HunyuanDiT2DControlNetModel

HunyuanDiT2DControlNetModel은 [Hunyuan-DiT](https://huggingface.co/papers/2405.08748)용 ControlNet 구현입니다.

ControlNet은 Lvmin Zhang, Anyi Rao, Maneesh Agrawala가 [Adding Conditional Control to Text-to-Image Diffusion Models](https://huggingface.co/papers/2302.05543)에서 소개했습니다.

ControlNet 모델을 사용하면 추가적인 제어 이미지를 제공하여 Hunyuan-DiT 생성을 조건화하고 제어할 수 있습니다. 예를 들어, 깊이 맵을 제공하면 ControlNet 모델은 해당 깊이 맵의 공간 정보를 보존하는 이미지를 생성합니다. 이는 이미지 생성 과정을 제어하는 더 유연하고 정확한 방법입니다.

해당 논문의 초록은 다음과 같습니다:

*ControlNet을 소개합니다. ControlNet은 대규모 사전 학습된 텍스트-이미지 확산 모델에 공간 조건 제어 기능을 추가하는 신경망 아키텍처입니다. ControlNet은 프로덕션에 바로 적용 가능한 대규모 확산 모델을 고정(lock)하고, 수십억 장의 이미지로 사전 학습된 깊고 견고한 인코딩 레이어를 강력한 백본으로 재사용하여 다양한 조건 제어 세트를 학습합니다. 이 신경 아키텍처는 "zero convolutions"(제로 초기화 컨볼루션 레이어)로 연결되어 매개변수를 0에서 점진적으로 증가시키고, 유해한 노이즈가 파인튜닝에 영향을 미치지 않도록 보장합니다. Stable Diffusion을 사용하여 엣지, 깊이, 분할, 인간 자세 등 다양한 조건 제어를 단일 또는 복수의 조건, 프롬프트 유무와 함께 테스트했습니다. ControlNet의 학습이 소규모(<50k) 및 대규모(>1m) 데이터셋 모두에서 견고함을 보임을 확인했습니다. 광범위한 결과에 따르면 ControlNet은 이미지 확산 모델에 대한 제어를 가능하게 하여 더 넓은 응용 분야로의 확장을 촉진할 수 있습니다.*

이 코드는 Tencent Hunyuan Team에서 구현했습니다. Hunyuan-DiT ControlNets의 사전 학습된 체크포인트는 [Tencent Hunyuan](https://huggingface.co/Tencent-Hunyuan)에서 찾을 수 있습니다.

## HunyuanDiT2DControlNetModel 로딩 예시

```py
from diffusers import HunyuanDiT2DControlNetModel
import torch
controlnet = HunyuanDiT2DControlNetModel.from_pretrained("Tencent-Hunyuan/HunyuanDiT-v1.1-ControlNet-Diffusers-Pose", dtype=torch.float16)
```

## HunyuanDiT2DControlNetModel[[diffusers.HunyuanDiT2DControlNetModel]]

#### diffusers.HunyuanDiT2DControlNetModel[[diffusers.HunyuanDiT2DControlNetModel]]

```python
diffusers.HunyuanDiT2DControlNetModel(conditioning_channels: int = 3, num_attention_heads: int = 16, attention_head_dim: int = 88, in_channels: int | None = None, patch_size: int | None = None, activation_fn: str = 'gelu-approximate', sample_size = 32, hidden_size = 1152, transformer_num_layers: int = 40, mlp_ratio: float = 4.0, cross_attention_dim: int = 1024, cross_attention_dim_t5: int = 2048, pooled_projection_dim: int = 1024, text_len: int = 77, text_len_t5: int = 256, use_style_cond_and_image_meta_size: bool = True)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/controlnets/controlnet_hunyuan.py#L40)

#### forward[[diffusers.HunyuanDiT2DControlNetModel.forward]]

```python
forward(hidden_states, timestep, controlnet_cond: Tensor, conditioning_scale: float = 1.0, encoder_hidden_states = None, text_embedding_mask = None, encoder_hidden_states_t5 = None, text_embedding_mask_t5 = None, image_meta_size = None, style = None, image_rotary_emb = None, return_dict = True)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/controlnets/controlnet_hunyuan.py#L215)

**매개변수:**

hidden_states (`torch.Tensor`, shape `(batch size, dim, height, width)`) : 입력 텐서.
timestep ( `torch.LongTensor`, *선택 사항*) : 노이즈 제거 단계를 나타내는 데 사용됩니다.
controlnet_cond ( `torch.Tensor` ) : ControlNet의 조건 입력입니다.

conditioning_scale ( `float` ) : 조건화 스케일을 나타냅니다.
encoder_hidden_states ( `torch.Tensor`, shape `(batch size, sequence len, embed dims)`, *선택 사항*) : cross attention layer를 위한 조건부 임베딩입니다. 이는 `BertModel`의 출력입니다.
text_embedding_mask : torch.Tensor `(batch, key_tokens)` 모양의 attention mask가 `encoder_hidden_states`에 적용됩니다. 이는 `BertModel`의 출력입니다.

encoder_hidden_states_t5 ( `torch.Tensor`, shape `(batch size, sequence len, embed dims)`, *선택 사항*) : cross attention layer에 사용되는 조건부 임베딩입니다. 이는 T5 Text Encoder의 출력입니다.
text_embedding_mask_t5 : torch.Tensor `(batch, key_tokens)` 모양의 attention mask가 `encoder_hidden_states`에 적용됩니다. 이는 T5 Text Encoder의 출력입니다.

image_meta_size (torch.Tensor) : 이미지 크기를 나타내는 조건부 임베딩

style : torch.Tensor: 스타일을 나타내는 조건부 임베딩

image_rotary_emb (`torch.Tensor`) : attention 계산 시 query 및 key 텐서에 적용할 image rotary embeddings입니다.

return_dict : bool 사전(dict)을 반환할지 여부.
**반환값:**
`return_dict`가 True이면 `HunyuanControlNetOutput`이 반환되고, 그렇지 않으면 첫 번째 요소가 ControlNet 블록 샘플 목록인 `tuple`이 반환됩니다.

[HunyuanDiT2DControlNetModel](/docs/diffusers/main/ko/api/models/controlnet_hunyuandit#diffusers.HunyuanDiT2DControlNetModel)의 forward 메서드입니다.

#### set_attn_processor[[diffusers.HunyuanDiT2DControlNetModel.set_attn_processor]]

```python
set_attn_processor(processor: diffusers.models.attention_processor.AttnProcessor | diffusers.models.attention_processor.CustomDiffusionAttnProcessor | diffusers.models.attention_processor.AttnAddedKVProcessor | diffusers.models.attention_processor.AttnAddedKVProcessor2_0 | diffusers.models.attention_processor.JointAttnProcessor2_0 | diffusers.models.attention_processor.PAGJointAttnProcessor2_0 | diffusers.models.attention_processor.PAGCFGJointAttnProcessor2_0 | diffusers.models.attention_processor.FusedJointAttnProcessor2_0 | diffusers.models.attention_processor.AllegroAttnProcessor2_0 | diffusers.models.attention_processor.AuraFlowAttnProcessor2_0 | diffusers.models.attention_processor.FusedAuraFlowAttnProcessor2_0 | diffusers.models.attention_processor.FluxAttnProcessor2_0 | diffusers.models.attention_processor.FluxAttnProcessor2_0_NPU | diffusers.models.attention_processor.FusedFluxAttnProcessor2_0 | diffusers.models.attention_processor.FusedFluxAttnProcessor2_0_NPU | diffusers.models.attention_processor.CogVideoXAttnProcessor2_0 | diffusers.models.attention_processor.FusedCogVideoXAttnProcessor2_0 | diffusers.models.attention_processor.XFormersAttnAddedKVProcessor | diffusers.models.attention_processor.XFormersAttnProcessor | diffusers.models.attention_processor.XLAFlashAttnProcessor2_0 | diffusers.models.attention_processor.AttnProcessorNPU | diffusers.models.attention_processor.AttnProcessor2_0 | diffusers.models.attention_processor.MochiVaeAttnProcessor2_0 | diffusers.models.attention_processor.MochiAttnProcessor2_0 | diffusers.models.attention_processor.StableAudioAttnProcessor2_0 | diffusers.models.attention_processor.HunyuanAttnProcessor2_0 | diffusers.models.attention_processor.FusedHunyuanAttnProcessor2_0 | diffusers.models.attention_processor.PAGHunyuanAttnProcessor2_0 | diffusers.models.attention_processor.PAGCFGHunyuanAttnProcessor2_0 | diffusers.models.attention_processor.LuminaAttnProcessor2_0 | diffusers.models.attention_processor.FusedAttnProcessor2_0 | diffusers.models.attention_processor.CustomDiffusionXFormersAttnProcessor | diffusers.models.attention_processor.CustomDiffusionAttnProcessor2_0 | diffusers.models.attention_processor.SlicedAttnProcessor | diffusers.models.attention_processor.SlicedAttnAddedKVProcessor | diffusers.models.attention_processor.SanaLinearAttnProcessor2_0 | diffusers.models.attention_processor.PAGCFGSanaLinearAttnProcessor2_0 | diffusers.models.attention_processor.PAGIdentitySanaLinearAttnProcessor2_0 | diffusers.models.attention_processor.SanaMultiscaleLinearAttention | diffusers.models.attention_processor.SanaMultiscaleAttnProcessor2_0 | diffusers.models.attention_processor.SanaMultiscaleAttentionProjection | diffusers.models.attention_processor.IPAdapterAttnProcessor | diffusers.models.attention_processor.IPAdapterAttnProcessor2_0 | diffusers.models.attention_processor.IPAdapterXFormersAttnProcessor | diffusers.models.attention_processor.SD3IPAdapterJointAttnProcessor2_0 | diffusers.models.attention_processor.PAGIdentitySelfAttnProcessor2_0 | diffusers.models.attention_processor.PAGCFGIdentitySelfAttnProcessor2_0 | diffusers.models.attention_processor.LoRAAttnProcessor | diffusers.models.attention_processor.LoRAAttnProcessor2_0 | diffusers.models.attention_processor.LoRAXFormersAttnProcessor | diffusers.models.attention_processor.LoRAAttnAddedKVProcessor | dict[str, diffusers.models.attention_processor.AttnProcessor | diffusers.models.attention_processor.CustomDiffusionAttnProcessor | diffusers.models.attention_processor.AttnAddedKVProcessor | diffusers.models.attention_processor.AttnAddedKVProcessor2_0 | diffusers.models.attention_processor.JointAttnProcessor2_0 | diffusers.models.attention_processor.PAGJointAttnProcessor2_0 | diffusers.models.attention_processor.PAGCFGJointAttnProcessor2_0 | diffusers.models.attention_processor.FusedJointAttnProcessor2_0 | diffusers.models.attention_processor.AllegroAttnProcessor2_0 | diffusers.models.attention_processor.AuraFlowAttnProcessor2_0 | diffusers.models.attention_processor.FusedAuraFlowAttnProcessor2_0 | diffusers.models.attention_processor.FluxAttnProcessor2_0 | diffusers.models.attention_processor.FluxAttnProcessor2_0_NPU | diffusers.models.attention_processor.FusedFluxAttnProcessor2_0 | diffusers.models.attention_processor.FusedFluxAttnProcessor2_0_NPU | diffusers.models.attention_processor.CogVideoXAttnProcessor2_0 | diffusers.models.attention_processor.FusedCogVideoXAttnProcessor2_0 | diffusers.models.attention_processor.XFormersAttnAddedKVProcessor | diffusers.models.attention_processor.XFormersAttnProcessor | diffusers.models.attention_processor.XLAFlashAttnProcessor2_0 | diffusers.models.attention_processor.AttnProcessorNPU | diffusers.models.attention_processor.AttnProcessor2_0 | diffusers.models.attention_processor.MochiVaeAttnProcessor2_0 | diffusers.models.attention_processor.MochiAttnProcessor2_0 | diffusers.models.attention_processor.StableAudioAttnProcessor2_0 | diffusers.models.attention_processor.HunyuanAttnProcessor2_0 | diffusers.models.attention_processor.FusedHunyuanAttnProcessor2_0 | diffusers.models.attention_processor.PAGHunyuanAttnProcessor2_0 | diffusers.models.attention_processor.PAGCFGHunyuanAttnProcessor2_0 | diffusers.models.attention_processor.LuminaAttnProcessor2_0 | diffusers.models.attention_processor.FusedAttnProcessor2_0 | diffusers.models.attention_processor.CustomDiffusionXFormersAttnProcessor | diffusers.models.attention_processor.CustomDiffusionAttnProcessor2_0 | diffusers.models.attention_processor.SlicedAttnProcessor | diffusers.models.attention_processor.SlicedAttnAddedKVProcessor | diffusers.models.attention_processor.SanaLinearAttnProcessor2_0 | diffusers.models.attention_processor.PAGCFGSanaLinearAttnProcessor2_0 | diffusers.models.attention_processor.PAGIdentitySanaLinearAttnProcessor2_0 | diffusers.models.attention_processor.SanaMultiscaleLinearAttention | diffusers.models.attention_processor.SanaMultiscaleAttnProcessor2_0 | diffusers.models.attention_processor.SanaMultiscaleAttentionProjection | diffusers.models.attention_processor.IPAdapterAttnProcessor | diffusers.models.attention_processor.IPAdapterAttnProcessor2_0 | diffusers.models.attention_processor.IPAdapterXFormersAttnProcessor | diffusers.models.attention_processor.SD3IPAdapterJointAttnProcessor2_0 | diffusers.models.attention_processor.PAGIdentitySelfAttnProcessor2_0 | diffusers.models.attention_processor.PAGCFGIdentitySelfAttnProcessor2_0 | diffusers.models.attention_processor.LoRAAttnProcessor | diffusers.models.attention_processor.LoRAAttnProcessor2_0 | diffusers.models.attention_processor.LoRAXFormersAttnProcessor | diffusers.models.attention_processor.LoRAAttnAddedKVProcessor])
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/controlnets/controlnet_hunyuan.py#L141)

**매개변수:**

processor (`dict` of `AttentionProcessor` or only `AttentionProcessor`) : **모든** `Attention` 레이어의 프로세서로 설정될 인스턴스화된 프로세서 클래스 또는 프로세서 클래스의 사전입니다. `processor`가 사전인 경우, 키는 해당 크로스 어텐션 프로세서의 경로를 정의해야 합니다. 학습 가능한 어텐션 프로세서를 설정할 때 이를 강력히 권장합니다.

attention을 계산하는 데 사용할 attention processor를 설정합니다.

Xet Storage Details

Size:: 13.1 kB
Xet hash:: 2726b9b4cb627776a6f9b5728bff0a983a2f079f6c02568da74c02b64fe7620d

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.

	# HunyuanDiT2DControlNetModel

	HunyuanDiT2DControlNetModel은 [Hunyuan-DiT](https://huggingface.co/papers/2405.08748)용 ControlNet 구현입니다.

	ControlNet은 Lvmin Zhang, Anyi Rao, Maneesh Agrawala가 [Adding Conditional Control to Text-to-Image Diffusion Models](https://huggingface.co/papers/2302.05543)에서 소개했습니다.

	ControlNet 모델을 사용하면 추가적인 제어 이미지를 제공하여 Hunyuan-DiT 생성을 조건화하고 제어할 수 있습니다. 예를 들어, 깊이 맵을 제공하면 ControlNet 모델은 해당 깊이 맵의 공간 정보를 보존하는 이미지를 생성합니다. 이는 이미지 생성 과정을 제어하는 더 유연하고 정확한 방법입니다.

	해당 논문의 초록은 다음과 같습니다:

	ControlNet을 소개합니다. ControlNet은 대규모 사전 학습된 텍스트-이미지 확산 모델에 공간 조건 제어 기능을 추가하는 신경망 아키텍처입니다. ControlNet은 프로덕션에 바로 적용 가능한 대규모 확산 모델을 고정(lock)하고, 수십억 장의 이미지로 사전 학습된 깊고 견고한 인코딩 레이어를 강력한 백본으로 재사용하여 다양한 조건 제어 세트를 학습합니다. 이 신경 아키텍처는 "zero convolutions"(제로 초기화 컨볼루션 레이어)로 연결되어 매개변수를 0에서 점진적으로 증가시키고, 유해한 노이즈가 파인튜닝에 영향을 미치지 않도록 보장합니다. Stable Diffusion을 사용하여 엣지, 깊이, 분할, 인간 자세 등 다양한 조건 제어를 단일 또는 복수의 조건, 프롬프트 유무와 함께 테스트했습니다. ControlNet의 학습이 소규모(<50k) 및 대규모(>1m) 데이터셋 모두에서 견고함을 보임을 확인했습니다. 광범위한 결과에 따르면 ControlNet은 이미지 확산 모델에 대한 제어를 가능하게 하여 더 넓은 응용 분야로의 확장을 촉진할 수 있습니다.

	이 코드는 Tencent Hunyuan Team에서 구현했습니다. Hunyuan-DiT ControlNets의 사전 학습된 체크포인트는 [Tencent Hunyuan](https://huggingface.co/Tencent-Hunyuan)에서 찾을 수 있습니다.

	## HunyuanDiT2DControlNetModel 로딩 예시

	```py
	from diffusers import HunyuanDiT2DControlNetModel
	import torch
	controlnet = HunyuanDiT2DControlNetModel.from_pretrained("Tencent-Hunyuan/HunyuanDiT-v1.1-ControlNet-Diffusers-Pose", dtype=torch.float16)
	```

	## HunyuanDiT2DControlNetModel[[diffusers.HunyuanDiT2DControlNetModel]]

	#### diffusers.HunyuanDiT2DControlNetModel[[diffusers.HunyuanDiT2DControlNetModel]]

	```python
	diffusers.HunyuanDiT2DControlNetModel(conditioning_channels: int = 3, num_attention_heads: int = 16, attention_head_dim: int = 88, in_channels: int \| None = None, patch_size: int \| None = None, activation_fn: str = 'gelu-approximate', sample_size = 32, hidden_size = 1152, transformer_num_layers: int = 40, mlp_ratio: float = 4.0, cross_attention_dim: int = 1024, cross_attention_dim_t5: int = 2048, pooled_projection_dim: int = 1024, text_len: int = 77, text_len_t5: int = 256, use_style_cond_and_image_meta_size: bool = True)
	```

	[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/controlnets/controlnet_hunyuan.py#L40)

	#### forward[[diffusers.HunyuanDiT2DControlNetModel.forward]]

	```python
	forward(hidden_states, timestep, controlnet_cond: Tensor, conditioning_scale: float = 1.0, encoder_hidden_states = None, text_embedding_mask = None, encoder_hidden_states_t5 = None, text_embedding_mask_t5 = None, image_meta_size = None, style = None, image_rotary_emb = None, return_dict = True)
	```

	[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/controlnets/controlnet_hunyuan.py#L215)

	매개변수:

	hidden_states (`torch.Tensor`, shape `(batch size, dim, height, width)`) : 입력 텐서.

	timestep ( `torch.LongTensor`, 선택 사항) : 노이즈 제거 단계를 나타내는 데 사용됩니다.

	controlnet_cond ( `torch.Tensor` ) : ControlNet의 조건 입력입니다.

	conditioning_scale ( `float` ) : 조건화 스케일을 나타냅니다.

	encoder_hidden_states ( `torch.Tensor`, shape `(batch size, sequence len, embed dims)`, 선택 사항) : cross attention layer를 위한 조건부 임베딩입니다. 이는 `BertModel`의 출력입니다.

	text_embedding_mask : torch.Tensor `(batch, key_tokens)` 모양의 attention mask가 `encoder_hidden_states`에 적용됩니다. 이는 `BertModel`의 출력입니다.

	encoder_hidden_states_t5 ( `torch.Tensor`, shape `(batch size, sequence len, embed dims)`, 선택 사항) : cross attention layer에 사용되는 조건부 임베딩입니다. 이는 T5 Text Encoder의 출력입니다.

	text_embedding_mask_t5 : torch.Tensor `(batch, key_tokens)` 모양의 attention mask가 `encoder_hidden_states`에 적용됩니다. 이는 T5 Text Encoder의 출력입니다.

	image_meta_size (torch.Tensor) : 이미지 크기를 나타내는 조건부 임베딩

	style : torch.Tensor: 스타일을 나타내는 조건부 임베딩

	image_rotary_emb (`torch.Tensor`) : attention 계산 시 query 및 key 텐서에 적용할 image rotary embeddings입니다.

	return_dict : bool 사전(dict)을 반환할지 여부.

	반환값:

	`return_dict`가 True이면 `HunyuanControlNetOutput`이 반환되고, 그렇지 않으면 첫 번째 요소가 ControlNet 블록 샘플 목록인 `tuple`이 반환됩니다.

	[HunyuanDiT2DControlNetModel](/docs/diffusers/main/ko/api/models/controlnet_hunyuandit#diffusers.HunyuanDiT2DControlNetModel)의 forward 메서드입니다.

	#### set_attn_processor[[diffusers.HunyuanDiT2DControlNetModel.set_attn_processor]]

	```python
	set_attn_processor(processor: diffusers.models.attention_processor.AttnProcessor \| diffusers.models.attention_processor.CustomDiffusionAttnProcessor \| diffusers.models.attention_processor.AttnAddedKVProcessor \| diffusers.models.attention_processor.AttnAddedKVProcessor2_0 \| diffusers.models.attention_processor.JointAttnProcessor2_0 \| diffusers.models.attention_processor.PAGJointAttnProcessor2_0 \| diffusers.models.attention_processor.PAGCFGJointAttnProcessor2_0 \| diffusers.models.attention_processor.FusedJointAttnProcessor2_0 \| diffusers.models.attention_processor.AllegroAttnProcessor2_0 \| diffusers.models.attention_processor.AuraFlowAttnProcessor2_0 \| diffusers.models.attention_processor.FusedAuraFlowAttnProcessor2_0 \| diffusers.models.attention_processor.FluxAttnProcessor2_0 \| diffusers.models.attention_processor.FluxAttnProcessor2_0_NPU \| diffusers.models.attention_processor.FusedFluxAttnProcessor2_0 \| diffusers.models.attention_processor.FusedFluxAttnProcessor2_0_NPU \| diffusers.models.attention_processor.CogVideoXAttnProcessor2_0 \| diffusers.models.attention_processor.FusedCogVideoXAttnProcessor2_0 \| diffusers.models.attention_processor.XFormersAttnAddedKVProcessor \| diffusers.models.attention_processor.XFormersAttnProcessor \| diffusers.models.attention_processor.XLAFlashAttnProcessor2_0 \| diffusers.models.attention_processor.AttnProcessorNPU \| diffusers.models.attention_processor.AttnProcessor2_0 \| diffusers.models.attention_processor.MochiVaeAttnProcessor2_0 \| diffusers.models.attention_processor.MochiAttnProcessor2_0 \| diffusers.models.attention_processor.StableAudioAttnProcessor2_0 \| diffusers.models.attention_processor.HunyuanAttnProcessor2_0 \| diffusers.models.attention_processor.FusedHunyuanAttnProcessor2_0 \| diffusers.models.attention_processor.PAGHunyuanAttnProcessor2_0 \| diffusers.models.attention_processor.PAGCFGHunyuanAttnProcessor2_0 \| diffusers.models.attention_processor.LuminaAttnProcessor2_0 \| diffusers.models.attention_processor.FusedAttnProcessor2_0 \| diffusers.models.attention_processor.CustomDiffusionXFormersAttnProcessor \| diffusers.models.attention_processor.CustomDiffusionAttnProcessor2_0 \| diffusers.models.attention_processor.SlicedAttnProcessor \| diffusers.models.attention_processor.SlicedAttnAddedKVProcessor \| diffusers.models.attention_processor.SanaLinearAttnProcessor2_0 \| diffusers.models.attention_processor.PAGCFGSanaLinearAttnProcessor2_0 \| diffusers.models.attention_processor.PAGIdentitySanaLinearAttnProcessor2_0 \| diffusers.models.attention_processor.SanaMultiscaleLinearAttention \| diffusers.models.attention_processor.SanaMultiscaleAttnProcessor2_0 \| diffusers.models.attention_processor.SanaMultiscaleAttentionProjection \| diffusers.models.attention_processor.IPAdapterAttnProcessor \| diffusers.models.attention_processor.IPAdapterAttnProcessor2_0 \| diffusers.models.attention_processor.IPAdapterXFormersAttnProcessor \| diffusers.models.attention_processor.SD3IPAdapterJointAttnProcessor2_0 \| diffusers.models.attention_processor.PAGIdentitySelfAttnProcessor2_0 \| diffusers.models.attention_processor.PAGCFGIdentitySelfAttnProcessor2_0 \| diffusers.models.attention_processor.LoRAAttnProcessor \| diffusers.models.attention_processor.LoRAAttnProcessor2_0 \| diffusers.models.attention_processor.LoRAXFormersAttnProcessor \| diffusers.models.attention_processor.LoRAAttnAddedKVProcessor \| dict[str, diffusers.models.attention_processor.AttnProcessor \| diffusers.models.attention_processor.CustomDiffusionAttnProcessor \| diffusers.models.attention_processor.AttnAddedKVProcessor \| diffusers.models.attention_processor.AttnAddedKVProcessor2_0 \| diffusers.models.attention_processor.JointAttnProcessor2_0 \| diffusers.models.attention_processor.PAGJointAttnProcessor2_0 \| diffusers.models.attention_processor.PAGCFGJointAttnProcessor2_0 \| diffusers.models.attention_processor.FusedJointAttnProcessor2_0 \| diffusers.models.attention_processor.AllegroAttnProcessor2_0 \| diffusers.models.attention_processor.AuraFlowAttnProcessor2_0 \| diffusers.models.attention_processor.FusedAuraFlowAttnProcessor2_0 \| diffusers.models.attention_processor.FluxAttnProcessor2_0 \| diffusers.models.attention_processor.FluxAttnProcessor2_0_NPU \| diffusers.models.attention_processor.FusedFluxAttnProcessor2_0 \| diffusers.models.attention_processor.FusedFluxAttnProcessor2_0_NPU \| diffusers.models.attention_processor.CogVideoXAttnProcessor2_0 \| diffusers.models.attention_processor.FusedCogVideoXAttnProcessor2_0 \| diffusers.models.attention_processor.XFormersAttnAddedKVProcessor \| diffusers.models.attention_processor.XFormersAttnProcessor \| diffusers.models.attention_processor.XLAFlashAttnProcessor2_0 \| diffusers.models.attention_processor.AttnProcessorNPU \| diffusers.models.attention_processor.AttnProcessor2_0 \| diffusers.models.attention_processor.MochiVaeAttnProcessor2_0 \| diffusers.models.attention_processor.MochiAttnProcessor2_0 \| diffusers.models.attention_processor.StableAudioAttnProcessor2_0 \| diffusers.models.attention_processor.HunyuanAttnProcessor2_0 \| diffusers.models.attention_processor.FusedHunyuanAttnProcessor2_0 \| diffusers.models.attention_processor.PAGHunyuanAttnProcessor2_0 \| diffusers.models.attention_processor.PAGCFGHunyuanAttnProcessor2_0 \| diffusers.models.attention_processor.LuminaAttnProcessor2_0 \| diffusers.models.attention_processor.FusedAttnProcessor2_0 \| diffusers.models.attention_processor.CustomDiffusionXFormersAttnProcessor \| diffusers.models.attention_processor.CustomDiffusionAttnProcessor2_0 \| diffusers.models.attention_processor.SlicedAttnProcessor \| diffusers.models.attention_processor.SlicedAttnAddedKVProcessor \| diffusers.models.attention_processor.SanaLinearAttnProcessor2_0 \| diffusers.models.attention_processor.PAGCFGSanaLinearAttnProcessor2_0 \| diffusers.models.attention_processor.PAGIdentitySanaLinearAttnProcessor2_0 \| diffusers.models.attention_processor.SanaMultiscaleLinearAttention \| diffusers.models.attention_processor.SanaMultiscaleAttnProcessor2_0 \| diffusers.models.attention_processor.SanaMultiscaleAttentionProjection \| diffusers.models.attention_processor.IPAdapterAttnProcessor \| diffusers.models.attention_processor.IPAdapterAttnProcessor2_0 \| diffusers.models.attention_processor.IPAdapterXFormersAttnProcessor \| diffusers.models.attention_processor.SD3IPAdapterJointAttnProcessor2_0 \| diffusers.models.attention_processor.PAGIdentitySelfAttnProcessor2_0 \| diffusers.models.attention_processor.PAGCFGIdentitySelfAttnProcessor2_0 \| diffusers.models.attention_processor.LoRAAttnProcessor \| diffusers.models.attention_processor.LoRAAttnProcessor2_0 \| diffusers.models.attention_processor.LoRAXFormersAttnProcessor \| diffusers.models.attention_processor.LoRAAttnAddedKVProcessor])
	```

	[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/controlnets/controlnet_hunyuan.py#L141)

	매개변수:

	processor (`dict` of `AttentionProcessor` or only `AttentionProcessor`) : 모든 `Attention` 레이어의 프로세서로 설정될 인스턴스화된 프로세서 클래스 또는 프로세서 클래스의 사전입니다. `processor`가 사전인 경우, 키는 해당 크로스 어텐션 프로세서의 경로를 정의해야 합니다. 학습 가능한 어텐션 프로세서를 설정할 때 이를 강력히 권장합니다.

	attention을 계산하는 데 사용할 attention processor를 설정합니다.