# BriaFibo2Transformer2DModel

يعتمد محوّل التدفق الأحادي في [Bria](https://huggingface.co/briaai) لنموذج Fibo 2.0 على كتلة Z-Image. تأتي شروط النص من Qwen3-VL بطريقتين: حيث يحوّل مُعيد العينة Perceiver حالات المُشفِّر النصي المخفية إلى رموز ملخّصة تتشارك التدفق مع رموز الصورة، وتضيف خمس كتل انتباهًا متقاطعًا مُتحكَّمًا به إلى حزمة طبقات Qwen3-VL الخاصة بها. ولأغراض التحرير، تنضمّ الكمونيات (latents) للصور المراد تحريرها إلى التدفق كرموز نظيفة، مع تخصيص مستوى RoPE مستقل لكل صورة.

## BriaFibo2Transformer2DModel[[diffusers.BriaFibo2Transformer2DModel]]

#### diffusers.BriaFibo2Transformer2DModel[[diffusers.BriaFibo2Transformer2DModel]]

```python
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[int, ...] = (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[int, ...] = (32, 48, 48), axes_lens: tuple[int, ...] = (2048, 512, 512))
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_bria_fibo2.py#L430)

#### forward[[diffusers.BriaFibo2Transformer2DModel.forward]]

```python
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)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_bria_fibo2.py#L500)

**المعاملات:**

hidden_states (`torch.Tensor` من الشكل `(batch_size, in_channels, height, width)`) : متغيرات VAE المُعدَّلة للصورة قيد التوليد.

timestep (`torch.Tensor` من الشكل `(batch_size,)`) : مستوى الضوضاء في `[0, 1]`: 1 تعني ضوضاء نقية، و0 تعني صورة نظيفة.

encoder_hidden_states (`torch.Tensor` من الشكل `(batch_size, 1 + len(injection_layer_ids), text_len, cap_feat_dim)`) : ميزات مُشفِّر النص: حزمة Perceiver أولاً، ثم حزمة واحدة لكل كتلة حقن.

encoder_attention_mask (`torch.Tensor` من الشكل `(batch_size, text_len)`، *اختياري*) : قناع منطقي (Bool) للرموز النصية الحقيقية، لمجموعة من الأوامر (prompts) مُكمّلة (padded) إلى نفس الطول. اتركه `None` عندما لا يوجد أي تكامل.

context_latents (`list[torch.Tensor]`، *اختياري*) : تمثيلات VAE المُطبَّعة للصور المراد تحريرها، حيث يكون لكل صورة متجه واحد بأبعاد `(batch_size, in_channels, height, width)`، بالترتيب. يمكن أن يكون لكل صورة حجمها الخاص. تعمل رموزها كشرط للتوليد كرموز نظيفة ولا يتم التنبؤ بها.

return_dict (`bool`، القيمة الافتراضية `True`) : ما إذا كان يجب إرجاع [Transformer2DModelOutput](/docs/diffusers/main/ar/api/models/cogview3plus_transformer2d#diffusers.models.modeling_outputs.Transformer2DModelOutput) بدلاً من tuple.

**يعيد:** [Transformer2DModelOutput](/docs/diffusers/main/ar/api/models/cogview3plus_transformer2d#diffusers.models.modeling_outputs.Transformer2DModelOutput) أو `tuple`

السرعة المتوقعة، ذات الشكل `hidden_states`. إذا كان `return_dict` هو `False`، فهو tuple يكون عنصره الأول ذلك الموتر.