diffusers/main/ko/api/models/ltx_video_transformer3d.md

LTXVideoTransformer3DModel

LTX에서 3D 데이터를 위한 Diffusion Transformer 모델이 Lightricks에 의해 소개되었습니다.

다음 코드 스니펫으로 모델을 로드할 수 있습니다.

from diffusers import LTXVideoTransformer3DModel

transformer = LTXVideoTransformer3DModel.from_pretrained("Lightricks/LTX-Video", subfolder="transformer", dtype=torch.bfloat16).to("cuda")  # or "mps", "xpu", "cpu"

LTXVideoTransformer3DModel[[diffusers.LTXVideoTransformer3DModel]]

diffusers.LTXVideoTransformer3DModel[[diffusers.LTXVideoTransformer3DModel]]

diffusers.LTXVideoTransformer3DModel(in_channels: int = 128, out_channels: int = 128, patch_size: int = 1, patch_size_t: int = 1, num_attention_heads: int = 32, attention_head_dim: int = 64, cross_attention_dim: int = 2048, num_layers: int = 28, activation_fn: str = 'gelu-approximate', qk_norm: str = 'rms_norm_across_heads', norm_elementwise_affine: bool = False, norm_eps: float = 1e-06, caption_channels: int = 4096, attention_bias: bool = True, attention_out_bias: bool = True)

소스

매개변수:

in_channels (int, 기본값 128) : 입력의 채널 수.

out_channels (int, 기본값 128) : 출력의 채널 수.

patch_size (int, 기본값 1) : 패치 임베딩 레이어에서 사용할 공간 패치의 크기입니다.

patch_size_t (int, 기본값 1) : 패치 임베딩 레이어에서 사용할 시간적 패치의 크기입니다.

num_attention_heads (int, 기본값 32) : multi-head attention에 사용할 헤드 수입니다.

attention_head_dim (int, 기본값 64) : 각 헤드(head)의 채널 수.

cross_attention_dim (int, 기본값 2048 ) : cross attention heads의 채널 수입니다.

num_layers (int, 기본값 28) : 사용할 Transformer 블록의 레이어 수입니다.

activation_fn (str, 기본값 "gelu-approximate") : feed-forward에서 사용할 활성화 함수입니다.

qk_norm (str, 기본값 "rms_norm_across_heads") : 사용할 정규화 레이어입니다.

LTX에서 사용되는 비디오 유사 데이터용 Transformer 모델입니다.

forward[[diffusers.LTXVideoTransformer3DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: Tensor, timestep: LongTensor, encoder_attention_mask: Tensor, num_frames: int | None = None, height: int | None = None, width: int | None = None, rope_interpolation_scale: typing.Union[tuple[float, float, float], torch.Tensor, NoneType] = None, video_coords: typing.Optional[torch.Tensor] = None, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)

소스

매개변수:

hidden_states (torch.Tensor, shape (batch_size, sequence_length, in_channels)) : 입력 hidden_states.

encoder_hidden_states (torch.Tensor, shape (batch_size, sequence_len, embed_dims)) : 사용할 조건 임베딩(프롬프트와 같은 입력 조건에서 계산된 임베딩).

timestep (torch.LongTensor) : 노이즈 제거 단계를 나타내는 데 사용됩니다.

encoder_attention_mask (torch.Tensor) : attention 과정에서 encoder_hidden_states에 적용되는 마스크.

num_frames (int, 선택 사항) : 회전 위치 임베딩을 계산하는 데 사용되는 비디오의 프레임 수.

height (int, 선택 사항) : 회전 위치 임베딩을 계산하는 데 사용되는 잠재 변수의 높이.

width (int, 선택 사항) : 회전 위치 임베딩을 계산하는 데 사용되는 잠재 변수의 너비.

rope_interpolation_scale (tuple of float or torch.Tensor, 선택 사항) : 회전 위치 임베딩(rotary positional embeddings)에서 사용되는 보간 스케일입니다.

video_coords (torch.Tensor, 선택 사항) : 회전 위치 임베딩(rotary positional embeddings)에 사용되는 사전 계산된 비디오 좌표입니다.

attention_kwargs (dict, 선택 사항) : 지정된 경우 diffusers.models.attention_processor의 self.processor 아래에서 정의된 AttentionProcessor로 전달되는 kwargs 사전입니다.

return_dict (bool, 선택 사항, 기본값 True) : 일반 튜플 대신 ~models.transformer_2d.Transformer2DModelOutput을 반환할지 여부.

반환값: torch.Tensor

(batch_size, sequence_length, out_channels) 모양의 노이즈 제거 출력 텐서.

LTXVideoTransformer3DModel의 forward 메서드입니다.

Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

diffusers.models.modeling_outputs.Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

diffusers.models.modeling_outputs.Transformer2DModelOutput(sample: torch.Tensor)

소스

매개변수:

sample (torch.Tensor, shape (batch_size, num_channels, height, width) 또는 Transformer2DModel이 discrete인 경우 (batch size, num_vector_embeds - 1, num_latent_pixels)) : encoder_hidden_states 입력에 조건부인 hidden states 출력입니다. discrete인 경우, 노이즈가 제거된 latent 픽셀에 대한 확률 분포를 반환합니다.

Transformer2DModel의 출력입니다.