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

BriaFibo2Transformer2DModel

Bria의 Fibo 2.0에 사용된 단일 스트림 트랜스포머로, Z-Image 블록을 기반으로 구축되었습니다. 텍스트 조건화는 Qwen3-VL을 통해 두 가지 방식으로 제공됩니다. Perceiver resampler는 텍스트 인코더의 히든 상태를 gist 토큰으로 변환하여 이미지 토큰과 동일한 스트림을 공유하게 하고, 다섯 개의 블록은 자체 Qwen3-VL 레이어 번들에 게이트드 크로스 어텐션을 추가합니다. 편집을 위해 편집 대상 이미지의 레이턴트는 클린 토큰으로 스트림에 합류하며, 각 이미지는 자체 RoPE 평면을 사용합니다.

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 = (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 = (32, 48, 48), axes_lens: tuple = (2048, 512, 512))

소스

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)

소스

매개변수:

hidden_states (torch.Tensor, shape (batch_size, in_channels, height, width)) : 생성 중인 이미지의 정규화된 VAE latents입니다.

timestep (torch.Tensor, shape (batch_size,)) : [0, 1] 범위의 노이즈 레벨: 1은 순수 노이즈, 0은 깨끗한 이미지입니다.

encoder_hidden_states (torch.Tensor, shape (batch_size, 1 + len(injection_layer_ids), text_len, cap_feat_dim)) : 텍스트 인코더 특징: Perceiver의 번들, 그 다음 각 인젝션 블록당 하나의 번들.

encoder_attention_mask (torch.Tensor, shape (batch_size, text_len), 선택 사항) : 동일한 길도로 패딩된 프롬프트 배치에 대해 실제 텍스트 토큰의 Bool 마스크입니다. 패딩이 없는 경우 None으로 두세요.

context_latents (list[torch.Tensor], 선택 사항) : 편집할 이미지의 정규화된 VAE latents입니다. 각 이미지에 대해 (batch_size, in_channels, height, width) 모양의 텐서가 순서대로 하나씩 제공되며, 각 이미지는 서로 다른 크기를 가질 수 있습니다. 이 토큰들은 clean tokens로서 생성을 조건화하며 예측 대상이 아닙니다.

return_dict (bool, 기본값 True) : 튜플 대신 Transformer2DModelOutput를 반환할지 여부.

반환값: Transformer2DModelOutput 또는 tuple

hidden_states의 형태를 가진 예측 속도입니다. return_dict가 False인 경우, 첫 번째 요소가 해당 텐서인 튜플을 반환합니다.