Diffusers documentation
SkyReelsV2Transformer3DModel
SkyReelsV2Transformer3DModel
Skywork AI에서 SkyReels-V2를 통해 3D 비디오 유사 데이터용 Diffusion Transformer 모델을 소개했습니다.
다음 코드 스니펫으로 모델을 로드할 수 있습니다.
from diffusers import SkyReelsV2Transformer3DModel
transformer = SkyReelsV2Transformer3DModel.from_pretrained("Skywork/SkyReels-V2-DF-1.3B-540P-Diffusers", subfolder="transformer", dtype=torch.bfloat16)SkyReelsV2Transformer3DModel
클래스 diffusers.SkyReelsV2Transformer3DModel
< source >( patch_size: tuple = (1, 2, 2)num_attention_heads: int = 16attention_head_dim: int = 128in_channels: int = 16out_channels: int = 16text_dim: int = 4096freq_dim: int = 256ffn_dim: int = 8192num_layers: int = 32cross_attn_norm: bool = Trueqk_norm: str | None = 'rms_norm_across_heads'eps: float = 1e-06image_dim: int | None = Noneadded_kv_proj_dim: int | None = Nonerope_max_seq_len: int = 1024pos_embed_seq_len: int | None = Noneinject_sample_info: bool = Falsenum_frame_per_block: int = 1 )
매개변수
- patch_size (
tuple[int], 기본값(1, 2, 2)) — 비디오 임베딩을 위한 3D 패치 차원 (t_patch, h_patch, w_patch). - num_attention_heads (
int, 기본값16) — 텍스트 임베딩의 고정 길이입니다. - attention_head_dim (
int, 기본값128) — 각 헤드당 채널 수입니다. - in_channels (
int, 기본값16) — 입력의 채널 수입니다. - out_channels (
int, 기본값16) — 출력의 채널 수입니다. - text_dim (
int, 기본값4096) — 텍스트 임베딩의 입력 차원입니다. - freq_dim (
int, 기본값256) — 사인 파 시간 임베딩에 사용할 차원입니다. - ffn_dim (
int, 기본값8192) — 피드포워드 네트워크의 중간 차원입니다. - num_layers (
int, 기본값32) — 사용할 transformer 블록의 레이어 수입니다. - window_size (
tuple[int], 기본값(-1, -1)) — 로컬 어텐션에 사용할 윈도우 크기입니다. (-1은 글로벌 어텐션을 나타냅니다.) - cross_attn_norm (
bool, 기본값True) — 크로스 어텐션 정규화를 활성화합니다. - qk_norm (
str, 선택 사항, 기본값"rms_norm_across_heads") — query/key 정규화를 활성화합니다. - eps (
float, 기본값1e-6) — 정규화 레이어에 사용되는 Epsilon 값입니다. - inject_sample_info (
bool, 기본값False) — 모델에 샘플 정보를 주입할지 여부. - image_dim (
int, 선택 사항) — 이미지 임베딩의 차원입니다. - added_kv_proj_dim (
int, 선택 사항) — 추가된 key/value projection의 차원입니다. - rope_max_seq_len (
int, 기본값1024) — 회전 임베딩에 사용되는 최대 시퀀스 길이입니다. - pos_embed_seq_len (
int, 선택 사항) — 위치 임베딩에 사용할 시퀀스 길이입니다.
Wan 기반 SkyReels-V2 모델에서 사용되는 비디오 유사 데이터용 Transformer 모델입니다.
forward
< source >( hidden_states: Tensortimestep: LongTensorencoder_hidden_states: Tensorencoder_hidden_states_image: typing.Optional[torch.Tensor] = Noneenable_diffusion_forcing: bool = Falsefps: typing.Optional[torch.Tensor] = Nonereturn_dict: bool = Trueattention_kwargs: dict[str, typing.Any] | None = None )
매개변수
- hidden_states (
torch.Tensor, shape(batch_size, num_channels, num_frames, height, width)) — 입력hidden_states. - timestep (
torch.LongTensor) — 디노이징 단계를 나타내는 데 사용됩니다. - encoder_hidden_states (
torch.Tensor, shape(batch_size, sequence_len, embed_dims)) — 사용할 조건 임베딩(프롬프트와 같은 입력 조건에서 계산된 임베딩). - encoder_hidden_states_image (
torch.Tensor, 선택 사항) — 이미지 조건 생성을 위한 조건부 이미지 임베딩입니다. - enable_diffusion_forcing (
bool, 선택 사항, 기본값False) — 블록별 인과적 마스킹을 사용하여 diffusion forcing을 활성화할지 여부입니다. - fps (
torch.Tensor, 선택 사항) — FPS 조건화 임베딩. - return_dict (
bool, 선택 사항, 기본값True) — 단순 tuple 대신~models.transformer_2d.Transformer2DModelOutput를 반환할지 여부. - attention_kwargs (
dict, 선택 사항) — 지정된 경우 diffusers.models.attention_processor의self.processor에서 정의된AttentionProcessor로 전달되는 kwargs 사전입니다.
SkyReelsV2Transformer3DModel의 forward 메서드입니다.
Transformer2DModelOutput
클래스 diffusers.models.modeling_outputs.Transformer2DModelOutput
< source >( sample: torch.Tensor )
매개변수
- sample (
torch.Tensor, shape(batch_size, num_channels, height, width)또는 Transformer2DModel이 discrete인 경우(batch size, num_vector_embeds - 1, num_latent_pixels)) —encoder_hidden_states입력에 조건부인 hidden states 출력입니다. discrete인 경우, 노이즈가 제거된 latent 픽셀에 대한 확률 분포를 반환합니다.
Transformer2DModel의 출력입니다.