# JoyImageEditPlusTransformer3DModel

Model dapat dimuat dengan potongan kode berikut.

```python
from diffusers import JoyImageEditPlusTransformer3DModel

transformer = JoyImageEditPlusTransformer3DModel.from_pretrained("jdopensource/JoyAI-Image-Edit-Plus-Diffusers", subfolder="transformer", dtype=torch.bfloat16)
```

## JoyImageEditPlusTransformer3DModel[[diffusers.JoyImageEditPlusTransformer3DModel]]

#### diffusers.JoyImageEditPlusTransformer3DModel[[diffusers.JoyImageEditPlusTransformer3DModel]]

```python
diffusers.JoyImageEditPlusTransformer3DModel(patch_size: list[int] = [1, 2, 2], in_channels: int = 16, out_channels: int | None = None, hidden_size: int = 3072, num_attention_heads: int = 24, text_dim: int = 4096, mlp_width_ratio: float = 4.0, num_layers: int = 20, rope_dim_list: list[int] = [16, 56, 56], rope_type: str = 'rope', theta: int = 256)
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_joyimage_edit_plus.py#L317)

**Parameter:**

patch_size (`list`, defaultnya `[1, 2, 2]`) : Ukuran patch untuk patchifying input laten di sepanjang dimensi `(t, h, w)`.

in_channels (`int`, defaultnya `16`) : Jumlah channel pada latent input.

out_channels (`int`, *opsional*, defaultnya `None`) : Jumlah channel pada output. Jika tidak ditentukan, defaultnya adalah `in_channels`.

hidden_size (`int`, defaultnya `3072`) : Dimensi dari representasi tersembunyi.

num_attention_heads (`int`, defaultnya `24`) : Jumlah kepala perhatian (attention heads).

text_dim (`int`, defaultnya `4096`) : Dimensi dari output text encoder.

mlp_width_ratio (`float`, defaultnya `4.0`) : Rasio dimensi tersembunyi MLP terhadap `hidden_size`.

num_layers (`int`, defaultnya `20`) : Jumlah blok transformer double-stream.

rope_dim_list (`list[int]`, defaultnya `[16, 56, 56]`) : Dimensi untuk embedding posisi rotasi 3D sepanjang `(t, h, w)`.

rope_type (`str`, defaultnya `"rope"`) : Jenis dari rotary positional embedding.

theta (`int`, defaultnya `256`) : Frekuensi dasar untuk rotary embeddings.

JoyImage Edit Plus Transformer untuk pengeditan multi-gambar.

Menggunakan pendekatan patchify+padding di mana setiap gambar referensi dan target noise dipatchify secara independen dan digabungkan menjadi urutan patch datar. Mendukung gambar referensi dengan resolusi variabel.

Format input: `[B, max_patches, C, pt, ph, pw]` (6D padded patches).

#### forward[[diffusers.JoyImageEditPlusTransformer3DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: Tensor, encoder_hidden_states: Tensor, encoder_hidden_states_mask: typing.Optional[torch.Tensor] = None, shape_list: list[list[tuple[int, int, int]]] = None, return_dict: bool = True)
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_joyimage_edit_plus.py#L444)

**Parameter:**

hidden_states : [B, max_patches, C, pt, ph, pw] - input laten yang telah di-patchify.

timestep : [B] - langkah waktu difusi.

encoder_hidden_states : [B, L, D] - keluaran text encoder.

encoder_hidden_states_mask : [B, L] - attention mask untuk token teks.

shape_list : Daftar per sampel dari tuple (t, h, w) untuk setiap komponen (target + referensi).

return_dict : Apakah akan mengembalikan dict atau tuple.

**Mengembalikan:**

Jika `return_dict` bernilai True, sebuah [Transformer2DModelOutput](/docs/diffusers/main/id/api/models/cogview3plus_transformer2d#diffusers.models.modeling_outputs.Transformer2DModelOutput) akan dikembalikan, selain itu sebuah `tuple` di mana elemen pertama adalah tensor sampel.

## Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

#### diffusers.models.modeling_outputs.Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

```python
diffusers.models.modeling_outputs.Transformer2DModelOutput(sample: torch.Tensor)
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/modeling_outputs.py#L21)

**Parameter:**

sample (`torch.Tensor` dengan bentuk `(batch_size, num_channels, height, width)` atau `(batch size, num_vector_embeds - 1, num_latent_pixels)` jika [Transformer2DModel](/docs/diffusers/main/id/api/models/transformer2d#diffusers.Transformer2DModel) bersifat diskrit) : Output hidden states yang dikondisikan pada input `encoder_hidden_states`. Jika diskrit, mengembalikan distribusi probabilitas untuk piksel laten yang tidak berisik.

Output dari [Transformer2DModel](/docs/diffusers/main/id/api/models/transformer2d#diffusers.Transformer2DModel).