Buckets:
| # LEDITS++ | |
| LEDITS++, Manuel Brack, Felix Friedrich, Katharina Kornmeier, Linoy Tsaban, Patrick Schramowski, Kristian Kersting ve Apolinário Passos tarafından [LEDITS++: Limitless Image Editing using Text-to-Image Models](https://huggingface.co/papers/2311.16711) makalesinde önerilmiştir. | |
| Makalenin özeti şudur: | |
| *Metinden görüntüye difüzyon modelleri, yalnızca metin girdilerinden yüksek sadakatli görüntüler üretme konusundaki şaşırtıcı yetenekleri sayesinde son zamanlarda giderek artan bir ilgi görmektedir. Ardından gelen araştırma çalışmaları, bu yetenekleri gerçek görüntü düzenleme işlemlerinde kullanmayı ve uygulamayı hedeflemektedir. Ancak mevcut görüntüden görüntüye yöntemler genellikle verimsiz, imzasız ve sınırlı bir esnekliğe sahiptir. Bu yöntemler ya zaman alıcı ince ayar gerektirir, ya da girdi görüntüsünden gereksiz derecede güçlü bir şekilde sapar ve/veya birden fazla, eşzamanlı düzenleme için destek sağlamaz. Bu sorunları ele almak için, verimli, çok yönlü ve hassas bir metin tabanlı görüntü manipülasyonu tekniği olan LEDITS++'ı tanıtıyoruz. LEDITS++'ın yeni tersine çevirme yaklaşımı, ayar veya optimizasyon gerektirmez ve birkaç difüzyon adımıyla yüksek sadakatli sonuçlar üretir. İkinci olarak, metodolojimiz birden fazla eşzamanlı düzenlemeyi destekler ve mimari bağımsızdır. Üçüncü olarak, değişiklikleri ilgili görüntü bölgeleriyle sınırlayan yeni bir örtük maskeleme tekniği kullanıyoruz. Kapsamlı değerlendirmemizin bir parçası olarak, yeni TEdBench++ benchmark'ını öneriyoruz. Sonuçlarımız, LEDITS++'ın yeteneklerini ve önceki yöntemlere kıyasla sağladığı iyileştirmeleri göstermektedir. Proje sayfası https://leditsplusplus-project.static.hf.space adresinde mevcuttur.* | |
| > [!TIP] | |
| > LEDITS++ hakkında ek bilgiyi [proje sayfasında](https://leditsplusplus-project.static.hf.space/index.html) bulabilir ve [demo](https://huggingface.co/spaces/editing-images/leditsplusplus) ile deneyebilirsiniz. | |
| > [!WARNING] | |
| > Mevcut [DPMSolverMultistepScheduler](/docs/diffusers/main/tr/api/schedulers/multistep_dpm_solver#diffusers.DPMSolverMultistepScheduler) diffusers uygulamasıyla ilgili bazı geriye dönük uyumluluk sorunları nedeniyle, LEdits++'ın bu uygulaması artık mükemmel inversiyon garantisi verememektedir. Bu sorunun, pratik kullanım senaryolarında belirgin bir etkisi olması beklenmemektedir. Bununla birlikte, mükemmel inversiyon garantisi veren alternatif bir uygulamayı ayrı bir [GitHub deposu](https://github.com/ml-research/ledits_pp) üzerinden sunuyoruz. | |
| Farklı önceden eğitilmiş modellere dayalı iki ayrı iş akışı sunuyoruz. | |
| ## LEditsPPPipelineStableDiffusion[[diffusers.LEditsPPPipelineStableDiffusion]] | |
| #### diffusers.LEditsPPPipelineStableDiffusion[[diffusers.LEditsPPPipelineStableDiffusion]] | |
| ```python | |
| diffusers.LEditsPPPipelineStableDiffusion(vae: AutoencoderKL, text_encoder: CLIPTextModel, tokenizer: CLIPTokenizer, unet: UNet2DConditionModel, scheduler: diffusers.schedulers.scheduling_ddim.DDIMScheduler | diffusers.schedulers.scheduling_dpmsolver_multistep.DPMSolverMultistepScheduler, safety_checker: StableDiffusionSafetyChecker, feature_extractor: CLIPImageProcessorPil, requires_safety_checker: bool = True) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/ledits_pp/pipeline_leditspp_stable_diffusion.py#L269) | |
| **Parametreler:** | |
| vae ([AutoencoderKL](/docs/diffusers/main/tr/api/models/autoencoderkl#diffusers.AutoencoderKL)) : Görüntüleri gizil (latent) temsillere kodlamak ve bu temsillerden görüntülere çözmek için kullanılan Varyasyonel Oto-Kodlayıcı (VAE) Modeli. | |
| text_encoder ([CLIPTextModel](https://huggingface.co/docs/transformers/main/en/model_doc/clip#transformers.CLIPTextModel)) : Donmuş metin kodlayıcı. Stable Diffusion, [CLIP](https://huggingface.co/docs/transformers/model_doc/clip#transformers.CLIPTextModel)'in metin bölümünü, özellikle de [clip-vit-large-patch14](https://huggingface.co/openai/clip-vit-large-patch14) varyantını kullanır. | |
| tokenizer ([CLIPTokenizer](https://huggingface.co/docs/transformers/main/en/model_doc/clip#transformers.CLIPTokenizer)) : [CLIPTokenizer](https://huggingface.co/docs/transformers/v4.21.0/en/model_doc/clip#transformers.CLIPTokenizer) sınıfının tokenizer'ı. | |
| unet ([UNet2DConditionModel](/docs/diffusers/main/tr/api/models/unet2d-cond#diffusers.UNet2DConditionModel)) : Kodlanmış görüntü latentlerini gürültüden arındırmak için koşullu U-Net mimarisi. | |
| scheduler ([DPMSolverMultistepScheduler](/docs/diffusers/main/tr/api/schedulers/multistep_dpm_solver#diffusers.DPMSolverMultistepScheduler) veya [DDIMScheduler](/docs/diffusers/main/tr/api/schedulers/ddim#diffusers.DDIMScheduler)) : Kodlanmış görüntü latenslerini gürültüden arındırmak için `unet` ile birlikte kullanılacak bir zamanlayıcı. [DPMSolverMultistepScheduler](/docs/diffusers/main/tr/api/schedulers/multistep_dpm_solver#diffusers.DPMSolverMultistepScheduler) veya [DDIMScheduler](/docs/diffusers/main/tr/api/schedulers/ddim#diffusers.DDIMScheduler) olabilir. Başka bir zamanlayıcı geçirilirse otomatik olarak [DPMSolverMultistepScheduler](/docs/diffusers/main/tr/api/schedulers/multistep_dpm_solver#diffusers.DPMSolverMultistepScheduler) olarak ayarlanır. | |
| safety_checker (`StableDiffusionSafetyChecker`) : Üretilen görsellerin saldırgan veya zararlı olarak değerlendirilip değerlendirilemeyeceğini tahmin eden sınıflandırma modülü. Ayrıntılar için [model kartına](https://huggingface.co/CompVis/stable-diffusion-v1-4) bakınız. | |
| feature_extractor ([CLIPImageProcessor](https://huggingface.co/docs/transformers/main/en/model_doc/clip#transformers.CLIPImageProcessor)) : `safety_checker` girdileri olarak kullanılacak özellikleri üretilen görüntülerden çıkaran model. | |
| Stable Diffusion ile LEDits++ kullanarak metin tabanlı görüntü düzenlemesi için pipeline. | |
| Bu model [DiffusionPipeline](/docs/diffusers/main/tr/api/pipelines/overview#diffusers.DiffusionPipeline) sınıfından devralır ve [StableDiffusionPipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/text2img#diffusers.StableDiffusionPipeline) üzerine inşa edilir. Tüm pipeline'lar için uygulanan genel yöntemlerin (indirme, kaydetme, belirli bir cihazda çalıştırma vb.) belgeleri için üst sınıf dokümantasyonuna bakın. | |
| #### __call__[[diffusers.LEditsPPPipelineStableDiffusion.__call__]] | |
| ```python | |
| __call__(negative_prompt: str | list[str] | None = None, generator: typing.Union[torch.Generator, list[torch.Generator], NoneType] = None, output_type: str | None = 'pil', return_dict: bool = True, editing_prompt: str | list[str] | None = None, editing_prompt_embeds: typing.Optional[torch.Tensor] = None, negative_prompt_embeds: typing.Optional[torch.Tensor] = None, reverse_editing_direction: bool | list[bool] | None = False, edit_guidance_scale: float | list[float] | None = 5, edit_warmup_steps: int | list[int] | None = 0, edit_cooldown_steps: int | list[int] | None = None, edit_threshold: float | list[float] | None = 0.9, user_mask: typing.Optional[torch.Tensor] = None, sem_guidance: list[torch.Tensor] | None = None, use_cross_attn_mask: bool = False, use_intersect_mask: bool = True, attn_store_steps: list[int] | None = [], store_averaged_over_steps: bool = True, cross_attention_kwargs: dict[str, typing.Any] | None = None, guidance_rescale: float = 0.0, clip_skip: int | None = None, callback_on_step_end: typing.Optional[typing.Callable[[int, int], NoneType]] = None, callback_on_step_end_tensor_inputs: list = ['latents'], **kwargs) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/ledits_pp/pipeline_leditspp_stable_diffusion.py#L720) | |
| **Parametreler:** | |
| negative_prompt (`str` veya `list[str]`, *isteğe bağlı*) : Görsel üretimi yönlendirmemek için kullanılan istem veya istemler. Yönlendirme kullanılmadığında yok sayılır (yani `guidance_scale` `1`'den küçükse yok sayılır). | |
| generator (`torch.Generator`, *isteğe bağlı*) : Üretimi deterministik hale getirmek için bir veya bir [torch üreteci](https://pytorch.org/docs/stable/generated/torch.Generator.html) listesi. | |
| output_type (`str`, *isteğe bağlı*, varsayılan `"pil"`) : Üretilen görüntünün çıktı biçimi. [PIL](https://pillow.readthedocs.io/en/stable/): `PIL.Image.Image` veya `np.array` arasında seçim yapın. | |
| return_dict (`bool`, *isteğe bağlı*, varsayılan `True`) : Düz bir tuple yerine [LEditsPPDiffusionPipelineOutput](/docs/diffusers/main/tr/api/pipelines/ledits_pp#diffusers.pipelines.LEditsPPDiffusionPipelineOutput) döndürülecek mi? | |
| editing_prompt (`str` veya `list[str]`, *isteğe bağlı*) : Görsel üretimi yönlendirmek için istem veya istemler. Görsel, `editing_prompt = None` olarak ayarlanarak yeniden oluşturulur. İstemin yönlendirme yönü, `reverse_editing_direction` üzerinden belirtilmelidir. | |
| editing_prompt_embeds (`torch.Tensor>`, *isteğe bağlı*) : Görsel üretimini yönlendirmek için kullanılacak önceden hesaplanmış gömümlemeler. Gömümlemenin yönlendirme yönü `reverse_editing_direction` aracılığıyla belirtilmelidir. | |
| negative_prompt_embeds (`torch.Tensor`, *isteğe bağlı*) : Ön oluşturulmuş negatif metin gömme değerleri. Metin girdilerini (istek ağırlıklandırması) kolayca ayarlamak için kullanılabilir. Sağlanmazsa, `negative_prompt_embeds`, `negative_prompt` girdi argümanından üretilir. | |
| reverse_editing_direction (`bool` veya `list[bool]`, *isteğe bağlı*, varsayılan `False`) : `editing_prompt` içindeki ilgili istemin artırılıp artırılmayacağı veya azaltılıp azaltılmayacağı. | |
| edit_guidance_scale (`float` veya `list[float]`, *isteğe bağlı*, varsayılan 5) : Görsel üretimini yönlendirmek için yönlendirme ölçeği. Liste olarak sağlanırsa değerler `editing_prompt` ile eşleşmelidir. `edit_guidance_scale`, [LEDITS++ Makalesi](https://huggingface.co/papers/2301.12247)'ndeki 12. denklemin `s_e`'si olarak tanımlanır. | |
| edit_warmup_steps (`float` veya `list[float]`, *isteğe bağlı*, varsayılan 10) : Rehberliğin uygulanmayacağı difüzyon adım sayısı (her istem için). | |
| edit_cooldown_steps (`float` veya `list[float]`, *isteğe bağlı*, varsayılan `None`) : Rehberliğin (guidance) artık uygulanmayacağı, her prompt için difüzyon adım sayısı. | |
| edit_threshold (`float` veya `list[float]`, *isteğe bağlı*, varsayılan 0.9) : Rehberlik için maskeleme eşiği. Eşik, değiştirilen görüntü bölgesiyle orantılı olmalıdır. 'edit_threshold', [LEDITS++ Makalesi](https://huggingface.co/papers/2301.12247)'ndeki 12. denklemin 'λ' değeri olarak tanımlanır. | |
| user_mask (`torch.Tensor`, *isteğe bağlı*) : Düzenleme süreci üzerinde daha iyi kontrol için kullanıcı tarafından sağlanan maske. LEDITS++'ın örtük maskeleri kullanıcı tercihlerini karşılamadığında bu özellik faydalıdır. | |
| sem_guidance (`list[torch.Tensor]`, *isteğe bağlı*) : üretim sırasında uygulanacak önceden oluşturulmuş yönlendirme vektörlerinin listesi. Listenin uzunluğu `num_inference_steps` ile eşleşmelidir. | |
| use_cross_attn_mask (`bool`, varsayılan `False`) : Çapraz dikkat maskelerinin kullanılıp kullanılmadığı. use_intersect_mask true olarak ayarlandığında çapraz dikkat maskeleri her zaman kullanılır. Çapraz dikkat maskeleri, [LEDITS++ makalesi](https://huggingface.co/papers/2311.16711)'nin 12. denklemindeki 'M^1' olarak tanımlanır. | |
| use_intersect_mask (`bool`, varsayılan `True`) : Maskeleme teriminin, çapraz dikkat maskeleri ile gürültü tahmininden türetilen maskelerin kesişimi olarak hesaplanıp hesaplanmayacağını belirtir. Çapraz dikkat maskeleri, [LEDITS++ makalesi](https://huggingface.co/papers/2311.16711)'ndeki 12. denklemin 'M^1' olarak, gürültü tahmininden türetilen maskeler ise 'M^2' olarak tanımlanır. | |
| attn_store_steps (`list[int]`, *isteğe bağlı*) : Dikkat haritalarının AttentionStore'da saklandığı adımlar. Sadece görselleştirme amaçlıdır. | |
| store_averaged_over_steps (`bool`, varsayılan `True`) : 'attn_store_steps' için dikkat haritalarının, difüzyon adımları üzerinde ortalama olarak mı yoksa her adım için ayrı ayrı mı saklanacağını belirtir. Sadece görselleştirme amaçlıdır. | |
| cross_attention_kwargs (`dict`, *isteğe bağlı*) : Belirtilirse, [`self.processor`](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py) içinde tanımlanan `AttentionProcessor`'ye aktarılan bir kwargs sözlüğü. | |
| guidance_rescale (`float`, *isteğe bağlı*, varsayılan 0.0) : [Common Diffusion Noise Schedules and Sample Steps are Flawed](https://huggingface.co/papers/2305.08891) makalesindeki guidance rescale faktörü. Guidance rescale faktörü, sıfır terminal SNR kullanıldığında aşırı pozlamayı düzeltmelidir. | |
| clip_skip (`int`, *isteğe bağlı*) : Prompt gömme hesaplamaları sırasında CLIP'ten atlanacak katman sayısı. 1 değeri, prompt gömme hesaplamaları için son öncesi katmanın çıktısının kullanılacağı anlamına gelir. | |
| callback_on_step_end (`Callable`, *isteğe bağlı*) : Çıkarım sırasında her gürültü azaltma adımının sonunda çağrılan bir işlev. İşlev aşağıdaki argümanlarla çağrılır: `callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)`. `callback_kwargs`, `callback_on_step_end_tensor_inputs` tarafından belirtilen tüm tensörlerin listesini içerir. | |
| callback_on_step_end_tensor_inputs (`list`, *isteğe bağlı*) : `callback_on_step_end` işlevi için girdi tensörlerinin listesi. Listede belirtilen tensörler, `callback_kwargs` argümanı olarak geçirilir. Yalnızca pipeline sınıfınızın `._callback_tensor_inputs` özniteliğinde listelenen değişkenleri dahil edebilirsiniz. | |
| **Dönüş:** [LEditsPPDiffusionPipelineOutput](/docs/diffusers/main/tr/api/pipelines/ledits_pp#diffusers.pipelines.LEditsPPDiffusionPipelineOutput) veya `tuple` | |
| [LEditsPPDiffusionPipelineOutput](/docs/diffusers/main/tr/api/pipelines/ledits_pp#diffusers.pipelines.LEditsPPDiffusionPipelineOutput) if `return_dict` is True, otherwise a `tuple. When returning a tuple, the first element is a list with the generated images, and the second element is a list of `bool`s denoting whether the corresponding generated image likely represents "not-safe-for-work" (nsfw) content, according to the `safety_checker`. | |
| Düzenleme için pipeline çağrı fonksiyonu. [invert()](/docs/diffusers/main/tr/api/pipelines/ledits_pp#diffusers.LEditsPPPipelineStableDiffusion.invert) metodu önceden çağrılmalıdır. Düzenlemeler her zaman son ters çevrilen görüntü(ler) için gerçekleştirilir. | |
| Örnekler: | |
| ```py | |
| >>> import torch | |
| >>> from diffusers import LEditsPPPipelineStableDiffusion | |
| >>> from diffusers.utils import load_image | |
| >>> pipe = LEditsPPPipelineStableDiffusion.from_pretrained( | |
| ... "stable-diffusion-v1-5/stable-diffusion-v1-5", variant="fp16", torch_dtype=torch.float16 | |
| ... ) | |
| >>> pipe.vae.enable_tiling() | |
| >>> pipe = pipe.to("cuda") | |
| >>> img_url = "https://www.aiml.informatik.tu-darmstadt.de/people/mbrack/cherry_blossom.png" | |
| >>> image = load_image(img_url).resize((512, 512)) | |
| >>> _ = pipe.invert(image=image, num_inversion_steps=50, skip=0.1) | |
| >>> edited_image = pipe( | |
| ... editing_prompt=["cherry blossom"], edit_guidance_scale=10.0, edit_threshold=0.75 | |
| ... ).images[0] | |
| ``` | |
| #### tersine çevir[[diffusers.LEditsPPPipelineStableDiffusion.invert]] | |
| ```python | |
| invert(image: typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor]], source_prompt: str = '', source_guidance_scale: float = 3.5, num_inversion_steps: int = 30, skip: float = 0.15, generator: typing.Optional[torch.Generator] = None, cross_attention_kwargs: dict[str, typing.Any] | None = None, clip_skip: int | None = None, height: int | None = None, width: int | None = None, resize_mode: str | None = 'default', crops_coords: tuple[int, int, int, int] | None = None) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/ledits_pp/pipeline_leditspp_stable_diffusion.py#L1223) | |
| **Parametreler:** | |
| image (`PipelineImageInput`) : Düzenlenecek görüntü(ler) için girdi. Birden fazla girdi görüntüsü varsayılan olarak aynı en-boy oranına sahip olmalıdır. | |
| source_prompt (`str`, varsayılan `""`) : Tersine çevirme sırasında yönlendirme için kullanılacak girdi görüntüsünü açıklayan istem. `source_prompt` `""` ise yönlendirme devre dışı bırakılır. | |
| source_guidance_scale (`float`, varsayılan `3.5`) : Tersine çevirme sırasında yönlendirme gücü. | |
| num_inversion_steps (`int`, varsayılan `30`) : Başlangıçtaki `skip` adımları atıldıktan sonra toplamda gerçekleştirilen tersine çevirme adım sayısı. | |
| skip (`float`, varsayılan `0.15`) : Tersine çevirme ve sonraki üretim için yoksayılacak başlangıç adımlarının oranı. Daha düşük değerler, girdi görselinde daha güçlü değişikliklere yol açar. `skip` değeri `0` ile `1` arasında olmalıdır. | |
| generator (`torch.Generator`, *isteğe bağlı*) : Ters çevirmeyi deterministik hale getirmek için bir [`torch.Generator`](https://pytorch.org/docs/stable/generated/torch.Generator.html). | |
| cross_attention_kwargs (`dict`, *isteğe bağlı*) : Belirtilirse, [`self.processor`](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py) içinde tanımlanan `AttentionProcessor`'ye aktarılan bir kwargs sözlüğü. | |
| clip_skip (`int`, *isteğe bağlı*) : Prompt gömme hesaplamaları sırasında CLIP'ten atlanacak katman sayısı. 1 değeri, prompt gömme hesaplamaları için son öncesi katmanın çıktısının kullanılacağı anlamına gelir. | |
| height (`int`, *isteğe bağlı*, varsayılan `None`) : Ön işlenmiş görüntünün yüksekliği. `None` ise, varsayılan yüksekliği almak için `get_default_height_width()` kullanılır. | |
| width (`int`, *optional*`, defaults to `None`) : The width in preprocessed. If `None`, will use get_default_height_width()` to get the default width. | |
| resize_mode (`str`, *isteğe bağlı*, varsayılan `default`) : Yeniden boyutlandırma modu, `default` veya `fill` değerlerinden biri olabilir. `default` ise, görüntü belirtilen genişlik ve yüksekliğe sığacak şekilde yeniden boyutlandırılır ve orijinal en-boy oranı korunmayabilir. `fill` ise, görüntü en-boy oranını koruyarak belirtilen genişlik ve yüksekliğe sığacak şekilde yeniden boyutlandırılır, ardından boyutlar içinde ortalanır ve boşluklar görüntü verisiyle doldurulur. `crop` ise, görüntü en-boy oranını koruyarak belirtilen genişlik ve yüksekliğe sığacak şekilde yeniden boyutlandırılır, ardından boyutlar içinde ortalanır ve fazlalık kesilir. resize_mode `fill` ve `crop` değerlerinin yalnızca PIL görüntü girdisi için desteklendiğini unutmayın. | |
| crops_coords (`list[tuple[int, int, int, int]]`, *opsiyonel*, varsayılan `None`) : Batch'teki her bir görüntü için kırpma koordinatları. `None` ise görüntü kırpılmaz. | |
| **Dönüş:** [LEditsPPInversionPipelineOutput](/docs/diffusers/main/tr/api/pipelines/ledits_pp#diffusers.pipelines.LEditsPPInversionPipelineOutput) | |
| Çıktı, yeniden boyutlandırılmış giriş görüntülerini ve ilgili VAE yeniden yapılandırmalarını içerecektir. | |
| [LEDITS++ Paper](https://huggingface.co/papers/2301.12247) adlı makalede tanımlanan görüntü tersine çevirme işlemi için pipeline'a uygulanan fonksiyon. Zamanlayıcı [DDIMScheduler](/docs/diffusers/main/tr/api/schedulers/ddim#diffusers.DDIMScheduler) olarak ayarlanırsa, bunun yerine [edit-friendly DPDM](https://huggingface.co/papers/2304.06140) tarafından önerilen tersine çevirme işlemi gerçekleştirilir. | |
| #### encode_prompt[[diffusers.LEditsPPPipelineStableDiffusion.encode_prompt]] | |
| ```python | |
| encode_prompt(device, num_images_per_prompt, enable_edit_guidance, negative_prompt = None, editing_prompt = None, negative_prompt_embeds: typing.Optional[torch.Tensor] = None, editing_prompt_embeds: typing.Optional[torch.Tensor] = None, lora_scale: float | None = None, clip_skip: int | None = None) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/ledits_pp/pipeline_leditspp_stable_diffusion.py#L521) | |
| **Parametreler:** | |
| device : (`torch.device`): torch cihazı | |
| num_images_per_prompt (`int`) : her istem için oluşturulacak görsel sayısı | |
| enable_edit_guidance (`bool`) : herhangi bir düzenleme yapılıp yapılmayacağına veya girdi görüntüsünün yeniden oluşturulup oluşturulmayacağına | |
| negative_prompt (`str` veya `list[str]`, *isteğe bağlı*) : Görsel üretimi yönlendirmemek için kullanılan istem veya istemler. Tanımlanmazsa, bunun yerine `negative_prompt_embeds` parametresinin geçirilmesi gerekir. Yönlendirme kullanılmadığında (yani `guidance_scale` değeri `1`'den küçükse) yok sayılır. | |
| editing_prompt (`str` veya `list[str]`, *isteğe bağlı*) : Kodlanacak düzenleme istemcisi(leri). Tanımlanmamışsa, bunun yerine `editing_prompt_embeds` parametresinin geçirilmesi gerekir. | |
| editing_prompt_embeds (`torch.Tensor`, *isteğe bağlı*) : Ön oluşturulmuş metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, *ör.* istem ağırlıklandırması. Sağlanmazsa, metin gömme değerleri `prompt` girdi argümanından oluşturulur. | |
| negative_prompt_embeds (`torch.Tensor`, *isteğe bağlı*) : Ön oluşturulmuş negatif metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, *ör.* istem ağırlıklandırması. Sağlanmazsa, negative_prompt_embeds, `negative_prompt` girdi argümanından oluşturulur. | |
| lora_scale (`float`, *isteğe bağlı*) : LoRA katmanları yüklendiyse, metin kodlayıcısının tüm LoRA katmanlarına uygulanacak bir LoRA ölçeği. | |
| clip_skip (`int`, *isteğe bağlı*) : Prompt gömme hesaplamaları sırasında CLIP'ten atlanacak katman sayısı. 1 değeri, prompt gömme hesaplamaları için son öncesi katmanın çıktısının kullanılacağı anlamına gelir. | |
| İsteği metin kodlayıcı gizli durumlarına kodlar. | |
| ## LEditsPPPipelineStableDiffusionXL[[diffusers.LEditsPPPipelineStableDiffusionXL]] | |
| #### diffusers.LEditsPPPipelineStableDiffusionXL[[diffusers.LEditsPPPipelineStableDiffusionXL]] | |
| ```python | |
| diffusers.LEditsPPPipelineStableDiffusionXL(vae: AutoencoderKL, text_encoder: CLIPTextModel, text_encoder_2: CLIPTextModelWithProjection, tokenizer: CLIPTokenizer, tokenizer_2: CLIPTokenizer, unet: UNet2DConditionModel, scheduler: diffusers.schedulers.scheduling_dpmsolver_multistep.DPMSolverMultistepScheduler | diffusers.schedulers.scheduling_ddim.DDIMScheduler, image_encoder: CLIPVisionModelWithProjection = None, feature_extractor: CLIPImageProcessorPil = None, force_zeros_for_empty_prompt: bool = True, add_watermarker: bool | None = None) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/ledits_pp/pipeline_leditspp_stable_diffusion_xl.py#L273) | |
| **Parametreler:** | |
| vae ([AutoencoderKL](/docs/diffusers/main/tr/api/models/autoencoderkl#diffusers.AutoencoderKL)) : Görüntüleri gizil (latent) temsillere kodlamak ve bu temsillerden görüntülere çözmek için kullanılan Varyasyonel Oto-Kodlayıcı (VAE) Modeli. | |
| text_encoder ([CLIPTextModel](https://huggingface.co/docs/transformers/main/en/model_doc/clip#transformers.CLIPTextModel)) : Donmuş metin kodlayıcı. Stable Diffusion XL, [CLIP](https://huggingface.co/docs/transformers/model_doc/clip#transformers.CLIPTextModel)'in metin bölümünü, özellikle de [clip-vit-large-patch14](https://huggingface.co/openai/clip-vit-large-patch14) varyantını kullanır. | |
| text_encoder_2 ([CLIPTextModelWithProjection](https://huggingface.co/docs/transformers/main/en/model_doc/clip#transformers.CLIPTextModelWithProjection)) : İkinci dondurulmuş metin kodlayıcı. Stable Diffusion XL, [CLIP](https://huggingface.co/docs/transformers/model_doc/clip#transformers.CLIPTextModelWithProjection)'in metin ve havuz (pool) bölümünü, özellikle de [laion/CLIP-ViT-bigG-14-laion2B-39B-b160k](https://huggingface.co/laion/CLIP-ViT-bigG-14-laion2B-39B-b160k) varyantını kullanır. | |
| tokenizer ([CLIPTokenizer](https://huggingface.co/docs/transformers/main/en/model_doc/clip#transformers.CLIPTokenizer)) : [CLIPTokenizer](https://huggingface.co/docs/transformers/v4.21.0/en/model_doc/clip#transformers.CLIPTokenizer) sınıfının tokenizer'ı. | |
| tokenizer_2 ([CLIPTokenizer](https://huggingface.co/docs/transformers/main/en/model_doc/clip#transformers.CLIPTokenizer)) : [CLIPTokenizer](https://huggingface.co/docs/transformers/v4.21.0/en/model_doc/clip#transformers.CLIPTokenizer) sınıfının ikinci Tokenizer'ı. | |
| unet ([UNet2DConditionModel](/docs/diffusers/main/tr/api/models/unet2d-cond#diffusers.UNet2DConditionModel)) : Kodlanmış görüntü latentlerini gürültüden arındırmak için koşullu U-Net mimarisi. | |
| scheduler ([DPMSolverMultistepScheduler](/docs/diffusers/main/tr/api/schedulers/multistep_dpm_solver#diffusers.DPMSolverMultistepScheduler) veya [DDIMScheduler](/docs/diffusers/main/tr/api/schedulers/ddim#diffusers.DDIMScheduler)) : Kodlanmış görüntü latenslerini gürültüden arındırmak için `unet` ile birlikte kullanılacak bir zamanlayıcı. [DPMSolverMultistepScheduler](/docs/diffusers/main/tr/api/schedulers/multistep_dpm_solver#diffusers.DPMSolverMultistepScheduler) veya [DDIMScheduler](/docs/diffusers/main/tr/api/schedulers/ddim#diffusers.DDIMScheduler) olabilir. Başka bir zamanlayıcı geçirilirse otomatik olarak [DPMSolverMultistepScheduler](/docs/diffusers/main/tr/api/schedulers/multistep_dpm_solver#diffusers.DPMSolverMultistepScheduler) olarak ayarlanır. | |
| force_zeros_for_empty_prompt (`bool`, *isteğe bağlı*, varsayılan `"True"`) : Negatif prompt gömme değerlerinin her zaman 0 olarak ayarlanıp ayarlanmayacağı. Ayrıca `stabilityai/stable-diffusion-xl-base-1-0` yapılandırmasına da bakın. | |
| add_watermarker (`bool`, *isteğe bağlı*) : Çıktı görsellerini filigranlamak için [invisible_watermark kütüphanesinin](https://github.com/ShieldMnt/invisible-watermark/) kullanılıp kullanılmayacağını belirtir. Tanımlanmamışsa, paket yüklüyse varsayılan olarak True olur, aksi halde filigranlayıcı kullanılmaz. | |
| Stable Diffusion XL ile LEDits++ kullanarak metin tabanlı görüntü düzenleme için pipeline. | |
| Bu model [DiffusionPipeline](/docs/diffusers/main/tr/api/pipelines/overview#diffusers.DiffusionPipeline) sınıfından devralır ve [StableDiffusionXLPipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/stable_diffusion_xl#diffusers.StableDiffusionXLPipeline) üzerine inşa edilir. Tüm pipeline'lar için uygulanan genel yöntemlerin (indirme, kaydetme, belirli bir cihazda çalıştırma vb.) belgeleri için üst sınıf dokümantasyonuna bakın. | |
| Ayrıca pipeline aşağıdaki yükleme yöntemlerini devralır: | |
| - *LoRA*: [LEditsPPPipelineStableDiffusionXL.load_lora_weights()](/docs/diffusers/main/tr/api/loaders/lora#diffusers.loaders.StableDiffusionXLLoraLoaderMixin.load_lora_weights) | |
| - *Kontrol noktası*: [loaders.FromSingleFileMixin.from_single_file()](/docs/diffusers/main/tr/api/loaders/single_file#diffusers.loaders.FromSingleFileMixin.from_single_file) | |
| ve aşağıdaki kaydetme yöntemleri: | |
| - *LoRA*: `loaders.StableDiffusionXLPipeline.save_lora_weights` | |
| #### __call__[[diffusers.LEditsPPPipelineStableDiffusionXL.__call__]] | |
| ```python | |
| __call__(denoising_end: float | None = None, negative_prompt: str | list[str] | None = None, negative_prompt_2: str | list[str] | None = None, negative_prompt_embeds: typing.Optional[torch.Tensor] = None, negative_pooled_prompt_embeds: typing.Optional[torch.Tensor] = None, ip_adapter_image: typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor], NoneType] = None, output_type: str | None = 'pil', return_dict: bool = True, cross_attention_kwargs: dict[str, typing.Any] | None = None, guidance_rescale: float = 0.0, crops_coords_top_left: tuple = (0, 0), target_size: tuple[int, int] | None = None, editing_prompt: str | list[str] | None = None, editing_prompt_embeddings: typing.Optional[torch.Tensor] = None, editing_pooled_prompt_embeds: typing.Optional[torch.Tensor] = None, reverse_editing_direction: bool | list[bool] | None = False, edit_guidance_scale: float | list[float] | None = 5, edit_warmup_steps: int | list[int] | None = 0, edit_cooldown_steps: int | list[int] | None = None, edit_threshold: float | list[float] | None = 0.9, sem_guidance: list[torch.Tensor] | None = None, use_cross_attn_mask: bool = False, use_intersect_mask: bool = False, user_mask: typing.Optional[torch.Tensor] = None, attn_store_steps: list[int] | None = [], store_averaged_over_steps: bool = True, clip_skip: int | None = None, callback_on_step_end: typing.Optional[typing.Callable[[int, int], NoneType]] = None, callback_on_step_end_tensor_inputs: list = ['latents'], **kwargs) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/ledits_pp/pipeline_leditspp_stable_diffusion_xl.py#L782) | |
| **Parametreler:** | |
| denoising_end (`float`, *isteğe bağlı*) : Belirtilirse, toplam gürültü azaltma sürecinin, kasıtlı olarak erken sonlandırılmadan önce tamamlanacak kesrini (0.0 ile 1.0 arasında) belirler. Sonuç olarak, zamanlayıcı tarafından seçilen ayrık zaman adımları tarafından belirlenen önemli miktarda gürültüyü koruyan bir örnek döndürülür. denoising_end parametresi, ideal olarak bu hattın [**Görseli İyileştirme | |
| negative_prompt (`str` veya `list[str]`, *isteğe bağlı*) : Görsel üretimi yönlendirmemek için kullanılan istem veya istemler. Tanımlanmazsa, bunun yerine `negative_prompt_embeds` parametresinin geçirilmesi gerekir. Yönlendirme kullanılmadığında (yani `guidance_scale` değeri `1`'den küçükse) yok sayılır. | |
| negative_prompt_2 (`str` veya `list[str]`, *isteğe bağlı*) : Görsel üretimi yönlendirmek için `tokenizer_2` ve `text_encoder_2`'ye gönderilecek negatif istem veya istemler. Tanımlanmamışsa, `negative_prompt` her iki metin kodlayıcıda da kullanılır | |
| negative_prompt_embeds (`torch.Tensor`, *isteğe bağlı*) : Ön oluşturulmuş negatif metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, *ör.* istem ağırlıklandırması. Sağlanmazsa, negative_prompt_embeds, `negative_prompt` girdi argümanından oluşturulur. | |
| negative_pooled_prompt_embeds (`torch.Tensor`, *isteğe bağlı*) : Ön oluşturulmuş negatif havuzlanmış metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, *ör.* istem ağırlıklandırması. Sağlanmazsa, havuzlanmış negative_prompt_embeds, `negative_prompt` girdi argümanından oluşturulacaktır. | |
| ip_adapter_image : (`PipelineImageInput`, *isteğe bağlı*): IP Adapters ile çalışmak için isteğe bağlı görüntü girişi. | |
| output_type (`str`, *isteğe bağlı*, varsayılan `"pil"`) : Üretilen görüntünün çıktı biçimi. [PIL](https://pillow.readthedocs.io/en/stable/): `PIL.Image.Image` veya `np.array` arasında seçim yapın. | |
| return_dict (`bool`, *isteğe bağlı*, varsayılan `True`) : Düz bir tuple yerine `~pipelines.stable_diffusion_xl.StableDiffusionXLPipelineOutput` döndürülecek mi? | |
| cross_attention_kwargs (`dict`, *isteğe bağlı*) : Belirtilirse, [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py) içinde `self.processor` altında tanımlanan `AttentionProcessor`'a iletilen bir kwargs sözlüğü. | |
| guidance_rescale (`float`, *opsiyonel*, varsayılan 0.7) : [Common Diffusion Noise Schedules and Sample Steps are Flawed](https://huggingface.co/papers/2305.08891) makalesinde önerilen guidance rescale faktörü. `guidance_scale`, [Common Diffusion Noise Schedules and Sample Steps are Flawed](https://huggingface.co/papers/2305.08891) makalesindeki 16. denklemde `φ` olarak tanımlanmıştır. Guidance rescale faktörü, sıfır terminal SNR kullanıldığında aşırı pozlamayı düzeltmelidir. | |
| crops_coords_top_left (`tuple[int]`, *isteğe bağlı*, varsayılan (0, 0)) : `crops_coords_top_left`, `crops_coords_top_left` konumundan aşağıya doğru "kırpılmış" gibi görünen bir görüntü oluşturmak için kullanılabilir. Genellikle iyi merkezlenmiş, uygun görüntüler `crops_coords_top_left` değerini (0, 0) olarak ayarlayarak elde edilir. [https://huggingface.co/papers/2307.01952](https://huggingface.co/papers/2307.01952) adresindeki 2.2 bölümünde açıklanan SDXL mikro-konumlama (micro-conditioning) bileşenidir. | |
| target_size (`tuple[int]`, *isteğe bağlı*, varsayılan (1024, 1024)) : Çoğu durumda, `target_size` üretilen görüntünün istenen yükseklik ve genişliğine ayarlanmalıdır. Belirtilmezse varsayılan olarak `(width, height)` olur. [https://huggingface.co/papers/2307.01952](https://huggingface.co/papers/2307.01952) adresindeki makalenin 2.2 bölümünde açıklanan SDXL mikro-konumlama (micro-conditioning) bileşenidir. | |
| editing_prompt (`str` veya `list[str]`, *isteğe bağlı*) : Görsel üretimi yönlendirmek için istem veya istemler. Görsel, `editing_prompt = None` olarak ayarlanarak yeniden oluşturulur. İstemin yönlendirme yönü, `reverse_editing_direction` üzerinden belirtilmelidir. | |
| editing_prompt_embeddings (`torch.Tensor`, *isteğe bağlı*) : Ön oluşturulmuş düzenleme metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, *ör.* istem ağırlıklandırması. Sağlanmazsa, editing_prompt_embeddings, `editing_prompt` girdi argümanından oluşturulur. | |
| editing_pooled_prompt_embeds (`torch.Tensor`, *isteğe bağlı*) : Önceden oluşturulmuş havuzlanmış düzenleme metin gömümlemeleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, *ör.* istem ağırlıklandırması. Sağlanmazsa, editing_prompt_embeddings, `editing_prompt` girdi argümanından oluşturulacaktır. | |
| reverse_editing_direction (`bool` veya `list[bool]`, *isteğe bağlı*, varsayılan `False`) : `editing_prompt` içindeki ilgili istemin artırılıp artırılmayacağı veya azaltılıp azaltılmayacağı. | |
| edit_guidance_scale (`float` veya `list[float]`, *isteğe bağlı*, varsayılan 5) : Görsel üretimini yönlendirmek için yönlendirme ölçeği. Liste olarak sağlanırsa değerler `editing_prompt` ile eşleşmelidir. `edit_guidance_scale`, [LEDITS++ Makalesi](https://huggingface.co/papers/2301.12247)'ndeki 12. denklemin `s_e`'si olarak tanımlanır. | |
| edit_warmup_steps (`float` veya `list[float]`, *isteğe bağlı*, varsayılan 10) : Rehberliğin uygulanmadığı difüzyon adım sayısı (her istem için). | |
| edit_cooldown_steps (`float` veya `list[float]`, *isteğe bağlı*, varsayılan `None`) : Rehberliğin (guidance) artık uygulanmadığı, her prompt için difüzyon adım sayısı. | |
| edit_threshold (`float` veya `list[float]`, *isteğe bağlı*, varsayılan 0.9) : Rehberlik için maskeleme eşiği. Eşik, değiştirilen görüntü bölgesiyle orantılı olmalıdır. 'edit_threshold', [LEDITS++ Makalesi](https://huggingface.co/papers/2301.12247)'ndeki 12. denklemin 'λ' değeri olarak tanımlanır. | |
| sem_guidance (`list[torch.Tensor]`, *isteğe bağlı*) : üretim sırasında uygulanacak önceden oluşturulmuş yönlendirme vektörlerinin listesi. Listenin uzunluğu `num_inference_steps` ile eşleşmelidir. | |
| use_cross_attn_mask : Çapraz dikkat maskelerinin kullanılıp kullanılmadığı. use_intersect_mask true olarak ayarlandığında çapraz dikkat maskeleri her zaman kullanılır. Çapraz dikkat maskeleri, [LEDITS++ makalesi](https://huggingface.co/papers/2311.16711)'ndeki 12. denklemin 'M^1' olarak tanımlanır. | |
| use_intersect_mask : Maskleme teriminin, çapraz dikkat maskeleri ile gürültü tahmininden türetilen maskelerin kesişimi olarak hesaplanıp hesaplanmadığı. Çapraz dikkat maskeleri [LEDITS++ makalesi](https://huggingface.co/papers/2311.16711)'ndeki 12. denklemin 'M^1' olarak, gürültü tahmininden türetilen maskeler ise 'M^2' olarak tanımlanır. | |
| user_mask : Düzenleme süreci üzerinde daha iyi kontrol için kullanıcı tarafından sağlanan maske. Bu, LEDITS++'ın örtük maskeleri kullanıcı tercihlerini karşılamadığında işe yarar. | |
| attn_store_steps : AttentionStore'da dikkat haritalarının saklandığı adımlar. Sadece görselleştirme amaçlıdır. | |
| store_averaged_over_steps : 'attn_store_steps' için dikkat haritalarının difüzyon adımları üzerinde ortalama olarak mı saklanacağı. False ise, her adım için dikkat haritaları ayrı ayrı saklanır. Sadece görselleştirme amaçlıdır. | |
| clip_skip (`int`, *isteğe bağlı*) : Prompt gömme hesaplamaları sırasında CLIP'ten atlanacak katman sayısı. 1 değeri, prompt gömme hesaplamaları için son öncesi katmanın çıktısının kullanılacağı anlamına gelir. | |
| callback_on_step_end (`Callable`, *isteğe bağlı*) : Çıkarım sırasında her gürültü azaltma adımının sonunda çağrılan bir işlev. İşlev aşağıdaki argümanlarla çağrılır: `callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)`. `callback_kwargs`, `callback_on_step_end_tensor_inputs` tarafından belirtilen tüm tensörlerin listesini içerir. | |
| callback_on_step_end_tensor_inputs (`list`, *isteğe bağlı*) : `callback_on_step_end` işlevi için girdi tensörlerinin listesi. Listede belirtilen tensörler, `callback_kwargs` argümanı olarak geçirilir. Yalnızca pipeline sınıfınızın `._callback_tensor_inputs` özniteliğinde listelenen değişkenleri dahil edebilirsiniz. | |
| **Dönüş:** [LEditsPPDiffusionPipelineOutput](/docs/diffusers/main/tr/api/pipelines/ledits_pp#diffusers.pipelines.LEditsPPDiffusionPipelineOutput) veya `tuple` | |
| `return_dict` True ise [LEditsPPDiffusionPipelineOutput](/docs/diffusers/main/tr/api/pipelines/ledits_pp#diffusers.pipelines.LEditsPPDiffusionPipelineOutput), aksi halde bir `tuple döner. Tuple döndürüldüğünde, ilk öğe üretilen görsellerin listesidir. | |
| Düzenleme için pipeline çağrı fonksiyonu. [invert()](/docs/diffusers/main/tr/api/pipelines/ledits_pp#diffusers.LEditsPPPipelineStableDiffusionXL.invert) metodu önceden çağrılmalıdır. Düzenlemeler her zaman son ters çevrilen görüntü(ler) için gerçekleştirilir. | |
| Örnekler: | |
| ```py | |
| >>> import torch | |
| >>> from diffusers import LEditsPPPipelineStableDiffusionXL | |
| >>> from diffusers.utils import load_image | |
| >>> pipe = LEditsPPPipelineStableDiffusionXL.from_pretrained( | |
| ... "stabilityai/stable-diffusion-xl-base-1.0", variant="fp16", torch_dtype=torch.float16 | |
| ... ) | |
| >>> pipe.vae.enable_tiling() | |
| >>> pipe = pipe.to("cuda") | |
| >>> img_url = "https://www.aiml.informatik.tu-darmstadt.de/people/mbrack/tennis.jpg" | |
| >>> image = load_image(img_url).resize((1024, 1024)) | |
| >>> _ = pipe.invert(image=image, num_inversion_steps=50, skip=0.2) | |
| >>> edited_image = pipe( | |
| ... editing_prompt=["tennis ball", "tomato"], | |
| ... reverse_editing_direction=[True, False], | |
| ... edit_guidance_scale=[5.0, 10.0], | |
| ... edit_threshold=[0.9, 0.85], | |
| ... ).images[0] | |
| ``` | |
| #### tersine çevir[[diffusers.LEditsPPPipelineStableDiffusionXL.invert]] | |
| ```python | |
| invert(image: typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor]], source_prompt: str = '', source_guidance_scale = 3.5, negative_prompt: str = None, negative_prompt_2: str = None, num_inversion_steps: int = 50, skip: float = 0.15, generator: typing.Optional[torch.Generator] = None, crops_coords_top_left: tuple = (0, 0), num_zero_noise_steps: int = 3, cross_attention_kwargs: dict[str, typing.Any] | None = None, height: int | None = None, width: int | None = None, resize_mode: str | None = 'default', crops_coords: tuple[int, int, int, int] | None = None) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/ledits_pp/pipeline_leditspp_stable_diffusion_xl.py#L1414) | |
| **Parametreler:** | |
| image (`PipelineImageInput`) : Düzenlenecek görüntü(ler) için girdi. Birden fazla girdi görüntüsü varsayılan olarak aynı en-boy oranına sahip olmalıdır. | |
| source_prompt (`str`, varsayılan `""`) : Tersine çevirme sırasında yönlendirme için kullanılacak girdi görüntüsünü açıklayan istem. `source_prompt` `""` ise yönlendirme devre dışı bırakılır. | |
| source_guidance_scale (`float`, varsayılan `3.5`) : Tersine çevirme sırasında yönlendirme gücü. | |
| negative_prompt (`str` veya `list[str]`, *isteğe bağlı*) : Görsel üretimi yönlendirmemek için kullanılan istem veya istemler. Tanımlanmazsa, bunun yerine `negative_prompt_embeds` parametresinin geçirilmesi gerekir. Yönlendirme kullanılmadığında (yani `guidance_scale` değeri `1`'den küçükse) yok sayılır. | |
| negative_prompt_2 (`str` veya `list[str]`, *isteğe bağlı*) : Görsel üretimi yönlendirmek için `tokenizer_2` ve `text_encoder_2`'ye gönderilecek negatif istem veya istemler. Tanımlanmamışsa, `negative_prompt` her iki metin kodlayıcıda da kullanılır | |
| num_inversion_steps (`int`, varsayılan `50`) : Başlangıçtaki `skip` adımları atıldıktan sonra gerçekleştirilen toplam tersine çevirme adım sayısı. | |
| skip (`float`, varsayılan `0.15`) : Tersine çevirme ve sonraki üretim için yoksayılacak başlangıç adımlarının oranı. Daha düşük değerler, girdi görselinde daha güçlü değişikliklere yol açar. `skip` değeri `0` ile `1` arasında olmalıdır. | |
| generator (`torch.Generator`, *isteğe bağlı*) : Ters çevirmeyi deterministik hale getirmek için bir [`torch.Generator`](https://pytorch.org/docs/stable/generated/torch.Generator.html). | |
| crops_coords_top_left (`tuple[int]`, *isteğe bağlı*, varsayılan (0, 0)) : `crops_coords_top_left`, `crops_coords_top_left` konumundan aşağıya doğru "kırpılmış" gibi görünen bir görüntü oluşturmak için kullanılabilir. Genellikle iyi merkezlenmiş, uygun görüntüler `crops_coords_top_left` değerini (0, 0) olarak ayarlayarak elde edilir. [https://huggingface.co/papers/2307.01952](https://huggingface.co/papers/2307.01952) adresindeki 2.2 bölümünde açıklanan SDXL mikro-konumlama (micro-conditioning) bileşenidir. | |
| num_zero_noise_steps (`int`, varsayılan `3`) : Mevcut görüntüyü yeniden gürültülemeyecek olan son difüzyon adımlarının sayısı. Hiçbir adım sıfıra ayarlanmazsa, [DPMSolverMultistepScheduler](/docs/diffusers/main/tr/api/schedulers/multistep_dpm_solver#diffusers.DPMSolverMultistepScheduler) ile birlikte kullanılan SD-XL gürültü artefaktları üretecektir. | |
| cross_attention_kwargs (`dict`, *isteğe bağlı*) : Belirtilirse, [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py) içinde `self.processor` altında tanımlanan `AttentionProcessor`'a iletilen bir kwargs sözlüğü. | |
| **Dönüş:** [LEditsPPInversionPipelineOutput](/docs/diffusers/main/tr/api/pipelines/ledits_pp#diffusers.pipelines.LEditsPPInversionPipelineOutput) | |
| Çıktı, yeniden boyutlandırılmış giriş görüntülerini ve ilgili VAE yeniden yapılandırmalarını içerecektir. | |
| [LEDITS++ Paper](https://huggingface.co/papers/2301.12247) adlı makalede tanımlanan görüntü tersine çevirme işlemi için pipeline'a uygulanan fonksiyon. Zamanlayıcı [DDIMScheduler](/docs/diffusers/main/tr/api/schedulers/ddim#diffusers.DDIMScheduler) olarak ayarlanırsa, bunun yerine [edit-friendly DPDM](https://huggingface.co/papers/2304.06140) tarafından önerilen tersine çevirme işlemi gerçekleştirilir. | |
| #### encode_prompt[[diffusers.LEditsPPPipelineStableDiffusionXL.encode_prompt]] | |
| ```python | |
| encode_prompt(device: typing.Optional[torch.device] = None, num_images_per_prompt: int = 1, negative_prompt: str | None = None, negative_prompt_2: str | None = None, negative_prompt_embeds: typing.Optional[torch.Tensor] = None, negative_pooled_prompt_embeds: typing.Optional[torch.Tensor] = None, lora_scale: float | None = None, clip_skip: int | None = None, enable_edit_guidance: bool = True, editing_prompt: str | None = None, editing_prompt_embeds: typing.Optional[torch.Tensor] = None, editing_pooled_prompt_embeds: typing.Optional[torch.Tensor] = None) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/ledits_pp/pipeline_leditspp_stable_diffusion_xl.py#L399) | |
| **Parametreler:** | |
| device : (`torch.device`): torch cihazı | |
| num_images_per_prompt (`int`) : her istem için oluşturulacak görsel sayısı | |
| negative_prompt (`str` veya `list[str]`, *isteğe bağlı*) : Görsel üretimi yönlendirmemek için kullanılan istem veya istemler. Tanımlanmamışsa, bunun yerine `negative_prompt_embeds` geçirilmelidir. | |
| negative_prompt_2 (`str` veya `list[str]`, *isteğe bağlı*) : Görsel üretimi yönlendirmek için `tokenizer_2` ve `text_encoder_2`'ye gönderilecek negatif istem veya istemler. Tanımlanmamışsa, `negative_prompt` her iki metin kodlayıcıda da kullanılır | |
| negative_prompt_embeds (`torch.Tensor`, *isteğe bağlı*) : Ön oluşturulmuş negatif metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, *ör.* istem ağırlıklandırması. Sağlanmazsa, negative_prompt_embeds, `negative_prompt` girdi argümanından oluşturulur. | |
| negative_pooled_prompt_embeds (`torch.Tensor`, *isteğe bağlı*) : Ön oluşturulmuş negatif havuzlanmış metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, *ör.* istem ağırlıklandırması. Sağlanmazsa, havuzlanmış negative_prompt_embeds, `negative_prompt` girdi argümanından oluşturulacaktır. | |
| lora_scale (`float`, *isteğe bağlı*) : LoRA katmanları yüklendiyse, metin kodlayıcısının tüm LoRA katmanlarına uygulanacak bir lora ölçeği. | |
| clip_skip (`int`, *isteğe bağlı*) : Prompt gömme hesaplamaları sırasında CLIP'ten atlanacak katman sayısı. 1 değeri, prompt gömme hesaplamaları için son öncesi katmanın çıktısının kullanılacağı anlamına gelir. | |
| enable_edit_guidance (`bool`) : Düzenleme istemcisine doğru yönlendirilip yönlendirilmeyeceğini belirtir. | |
| editing_prompt (`str` veya `list[str]`, *isteğe bağlı*) : Kodlanacak düzenleme istemcisi(leri). Tanımlanmamışsa ve 'enable_edit_guidance' True ise, bunun yerine `editing_prompt_embeds` geçirilmelidir. | |
| editing_prompt_embeds (`torch.Tensor`, *isteğe bağlı*) : Ön oluşturulmuş düzenleme metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, *ör.* istem ağırlıklandırması. Sağlanmazsa ve 'enable_edit_guidance' True ise, editing_prompt_embeds, `editing_prompt` girdi argümanından oluşturulacaktır. | |
| editing_pooled_prompt_embeds (`torch.Tensor`, *isteğe bağlı*) : Ön oluşturulmuş düzenleme havuzlanmış metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, *ör.* istem ağırlıklandırması. Sağlanmazsa, havuzlanmış editing_pooled_prompt_embeds, `editing_prompt` girdi argümanından oluşturulacaktır. | |
| İsteği metin kodlayıcı gizli durumlarına kodlar. | |
| #### get_guidance_scale_embedding[[diffusers.LEditsPPPipelineStableDiffusionXL.get_guidance_scale_embedding]] | |
| ```python | |
| get_guidance_scale_embedding(w: Tensor, embedding_dim: int = 512, dtype: dtype = torch.float32) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/ledits_pp/pipeline_leditspp_stable_diffusion_xl.py#L696) | |
| **Parametreler:** | |
| w (`torch.Tensor`) : Belirtilen bir yönlendirme ölçeğiyle gömme vektörleri üretir; bu vektörler daha sonra zaman adımları gömmelerini zenginleştirmek için kullanılır. | |
| embedding_dim (`int`, *isteğe bağlı*, varsayılan 512) : Üretilecek gömme boyutu. | |
| dtype (`torch.dtype`, *isteğe bağlı*, varsayılan `torch.float32`) : Üretilen gömme (embedding) verilerinin veri türü. | |
| **Dönüş:** `torch.Tensor` | |
| `(len(w), embedding_dim)` biçiminde gömme vektörleri. | |
| https://github.com/google-research/vdm/blob/dc27b98a554f65cdc654b800da5aa1846545d41b/model_vdm.py#L298 adresine bakın | |
| ## LEditsPPDiffusionPipelineOutput[[diffusers.pipelines.LEditsPPDiffusionPipelineOutput]] | |
| #### diffusers.pipelines.LEditsPPDiffusionPipelineOutput[[diffusers.pipelines.LEditsPPDiffusionPipelineOutput]] | |
| ```python | |
| diffusers.pipelines.LEditsPPDiffusionPipelineOutput(images: list[PIL.Image.Image] | numpy.ndarray, nsfw_content_detected: list[bool] | None) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/ledits_pp/pipeline_output.py#L10) | |
| **Parametreler:** | |
| images (`list[PIL.Image.Image]` veya `np.ndarray`) : `batch_size` uzunluğunda gürültüsü azaltılmış PIL görüntülerinin listesi veya `(batch_size, height, width, num_channels)` biçiminde NumPy dizisi. | |
| nsfw_content_detected (`list[bool]`) : Üretilen ilgili görüntünün “iş yerinde uygun olmayan” (nsfw) içerik içerip içermediğini gösteren liste veya güvenlik kontrolü yapılamadıysa `None`. | |
| LEdits++ Diffusion pipeline'leri için çıktı sınıfı. | |
| ## LEditsPPInversionPipelineOutput[[diffusers.pipelines.LEditsPPInversionPipelineOutput]] | |
| #### diffusers.pipelines.LEditsPPInversionPipelineOutput[[diffusers.pipelines.LEditsPPInversionPipelineOutput]] | |
| ```python | |
| diffusers.pipelines.LEditsPPInversionPipelineOutput(images: list[PIL.Image.Image] | numpy.ndarray, vae_reconstruction_images: list[PIL.Image.Image] | numpy.ndarray) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/ledits_pp/pipeline_output.py#L28) | |
| **Parametreler:** | |
| input_images (`list[PIL.Image.Image]` veya `np.ndarray`) : `batch_size` uzunluğunda kırpılmış ve yeniden boyutlandırılmış girdi görüntülerinin PIL görüntüleri listesi veya ` (batch_size, height, width, num_channels)` biçiminde NumPy dizisi. | |
| vae_reconstruction_images (`list[PIL.Image.Image]` veya `np.ndarray`) : `batch_size` uzunluğunda, tüm giriş görüntülerinin VAE yeniden yapılandırma listesi (PIL görüntüleri olarak) veya ` (batch_size, height, width, num_channels)` biçiminde NumPy dizisi. | |
| LEdits++ Diffusion pipeline'leri için çıktı sınıfı. | |
Xet Storage Details
- Size:
- 50.6 kB
- Xet hash:
- 07daa0b47324620f49712ffb90c40f4882b7fce8dcedf0ecb0ae74dd9e2916b8
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.