diffusers/main/ko/api/models/mochi_transformer3d.md

MochiTransformer3DModel

Genmo의 Mochi-1 Preview에서 3D 비디오 유사 데이터용 Diffusion Transformer 모델이 소개되었습니다.

다음 코드 스니펫으로 모델을 로드할 수 있습니다.

from diffusers import MochiTransformer3DModel

transformer = MochiTransformer3DModel.from_pretrained("genmo/mochi-1-preview", subfolder="transformer", dtype=torch.float16).to("cuda")  # or "mps", "xpu", "cpu"

MochiTransformer3DModel[[diffusers.MochiTransformer3DModel]]

diffusers.MochiTransformer3DModel[[diffusers.MochiTransformer3DModel]]

diffusers.MochiTransformer3DModel(patch_size: int = 2, num_attention_heads: int = 24, attention_head_dim: int = 128, num_layers: int = 48, pooled_projection_dim: int = 1536, in_channels: int = 12, out_channels: int | None = None, qk_norm: str = 'rms_norm', text_embed_dim: int = 4096, time_embed_dim: int = 256, activation_fn: str = 'swiglu', max_sequence_length: int = 256)

소스

매개변수:

patch_size (int, 기본값 2) : 패치 임베딩 레이어에서 사용할 패치의 크기입니다.

num_attention_heads (int, 기본값 24) : multi-head attention에 사용할 헤드 수입니다.

attention_head_dim (int, 기본값 128) : 각 헤드(head)의 채널 수입니다.

num_layers (int, 기본값 48) : 사용할 Transformer 블록의 레이어 수입니다.

in_channels (int, 기본값 12) : 입력의 채널 수.

out_channels (int, 선택 사항, 기본값 None) : 출력의 채널 수입니다.

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

text_embed_dim (int, 기본값 4096) : 텍스트 인코더에서 생성된 텍스트 임베딩의 입력 차원입니다.

time_embed_dim (int, 기본값 256) : timestep 임베딩의 출력 차원.

activation_fn (str, 기본값 "swiglu") : feed-forward에서 사용할 활성화 함수.

max_sequence_length (int, 기본값 256) : 지원되는 텍스트 임베딩의 최대 시퀀스 길이입니다.

Mochi에서 소개된 비디오 유사 데이터용 Transformer 모델입니다.

forward[[diffusers.MochiTransformer3DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: Tensor, timestep: LongTensor, encoder_attention_mask: Tensor, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)

소스

매개변수:

hidden_states (torch.Tensor, shape (batch_size, num_channels, num_frames, height, width)) : 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.

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, out_channels, num_frames, height, width) 모양의 노이즈 제거 출력 텐서.

MochiTransformer3DModel의 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.