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

BriaFibo2Transformer2DModel

Bria'nın Z-Image bloğu üzerine inşa edilen Fibo 2.0'ının tek akışlı dönüştürücüsü. Metin koşullandırması, Qwen3-VL'den iki yolla gelir: bir Perceiver yeniden örnekleyici, metin kodlayıcısının gizli durumlarını akıştaki görüntü jetonlarıyla paylaşılan özet jetonlarına dönüştürür ve beş blok, kendi Qwen3-VL katmanları demetlerine kapılı çapraz dikkat ekler. Düzenleme için, düzenlenecek görüntülerin gizli değişkenleri temiz jetonlar olarak akışa katılır; her görüntü kendi RoPE düzleminde yer alır.

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))

Kaynak

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)

Kaynak

Parametreler:

hidden_states (torch.Tensor, şekli (batch_size, in_channels, height, width)) : Üretilen görüntünün normalize edilmiş VAE latantları.

timestep (torch.Tensor, şekli (batch_size,)) : [0, 1] aralığında gürültü seviyesi: 1 saf gürültüyü, 0 temiz bir görüntüyü temsil eder.

encoder_hidden_states (torch.Tensor, şekli (batch_size, 1 + len(injection_layer_ids), text_len, cap_feat_dim)) : Metin kodlayıcı özellikleri: önce Perceiver'ın demeti, ardından her enjeksiyon bloğu için bir demet.

encoder_attention_mask (torch.Tensor, şekli (batch_size, text_len), isteğe bağlı) : Aynı uzunluğa doldurulmuş bir prompt grubu için gerçek metin token'larının Bool maskesi. Hiçbir şey doldurulmadığında None olarak bırakın.

context_latents (list[torch.Tensor], isteğe bağlı) : Düzenlenecek görüntülerin normalize edilmiş VAE latentleri, her görüntü için sırasıyla (batch_size, in_channels, height, width) biçiminde bir tensör. Her görüntünün kendi boyutuna sahip olabilir. Token'ları, temiz token'lar olarak üretimi koşullandırır ve tahmin edilmez.

return_dict (bool, varsayılan True) : Bir tuple yerine Transformer2DModelOutput döndürülüp döndürülmemesi.

Dönüş: Transformer2DModelOutput veya tuple

hidden_states biçiminde tahmini hız. return_dict False ise, ilk öğesi bu tensör olan bir demet.