# SkyReelsV2Transformer3DModel

Skywork AI에서 [SkyReels-V2](https://github.com/SkyworkAI/SkyReels-V2)를 통해 3D 비디오 유사 데이터용 Diffusion Transformer 모델을 소개했습니다.

다음 코드 스니펫으로 모델을 로드할 수 있습니다.

```python
from diffusers import SkyReelsV2Transformer3DModel

transformer = SkyReelsV2Transformer3DModel.from_pretrained("Skywork/SkyReels-V2-DF-1.3B-540P-Diffusers", subfolder="transformer", dtype=torch.bfloat16)
```

## SkyReelsV2Transformer3DModel[[diffusers.SkyReelsV2Transformer3DModel]]

#### diffusers.SkyReelsV2Transformer3DModel[[diffusers.SkyReelsV2Transformer3DModel]]

```python
diffusers.SkyReelsV2Transformer3DModel(patch_size: tuple = (1, 2, 2), num_attention_heads: int = 16, attention_head_dim: int = 128, in_channels: int = 16, out_channels: int = 16, text_dim: int = 4096, freq_dim: int = 256, ffn_dim: int = 8192, num_layers: int = 32, cross_attn_norm: bool = True, qk_norm: str | None = 'rms_norm_across_heads', eps: float = 1e-06, image_dim: int | None = None, added_kv_proj_dim: int | None = None, rope_max_seq_len: int = 1024, pos_embed_seq_len: int | None = None, inject_sample_info: bool = False, num_frame_per_block: int = 1)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_skyreels_v2.py#L518)

**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`, 기본값 `16`) : 텍스트 임베딩의 고정 길이입니다.

attention_head_dim (`int`, 기본값 `128`) : 각 헤드(head)의 채널 수입니다.

in_channels (`int`, 기본값 `16`) : 입력의 채널 수.

out_channels (`int`, 기본값 `16`) : 출력의 채널 수.

text_dim (`int`, 기본값 `4096`) : 텍스트 임베딩의 입력 차원입니다.

freq_dim (`int`, 기본값 `256`) : 사인oidal 시간 임베딩의 차원.

ffn_dim (`int`, 기본값 `8192`) : 피드포워드 네트워크의 중간 차원.

num_layers (`int`, 기본값 `32`) : 사용할 transformer 블록의 레이어 수입니다.

window_size (`tuple[int]`, 기본값 `(-1, -1)`) : 로컬 어텐션의 윈도우 크기(-1은 글로벌 어텐션을 나타냅니다).

cross_attn_norm (`bool`, 기본값 `True`) : cross-attention 정규화를 활성화합니다.

qk_norm (`str`, *선택 사항*, 기본값 `"rms_norm_across_heads"`) : query/key 정규화를 활성화합니다.

eps (`float`, 기본값 `1e-6`) : 정규화 레이어에 사용되는 Epsilon 값.

inject_sample_info (`bool`, 기본값 `False`) : 모델에 샘플 정보를 주입할지 여부.

image_dim (`int`, *선택 사항*) : 이미지 임베딩의 차원.

added_kv_proj_dim (`int`, *선택 사항*) : 추가된 key/value 투영의 차원입니다.

rope_max_seq_len (`int`, 기본값 `1024`) : rotary embeddings의 최대 시퀀스 길이입니다.

pos_embed_seq_len (`int`, *선택 사항*) : 위치 임베딩에 사용되는 시퀀스 길이입니다.

Wan 기반 SkyReels-V2 모델에서 사용되는 비디오 유사 데이터용 Transformer 모델입니다.

#### forward[[diffusers.SkyReelsV2Transformer3DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: LongTensor, encoder_hidden_states: Tensor, encoder_hidden_states_image: typing.Optional[torch.Tensor] = None, enable_diffusion_forcing: bool = False, fps: typing.Optional[torch.Tensor] = None, return_dict: bool = True, attention_kwargs: dict[str, typing.Any] | None = None)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_skyreels_v2.py#L633)

**매개변수:**

hidden_states (`torch.Tensor`, shape `(batch_size, num_channels, num_frames, height, width)`) : 입력 `hidden_states`.

timestep (`torch.LongTensor`) : 노이즈 제거 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 임베딩.

enable_diffusion_forcing (`bool`, *선택 사항*, 기본값 `False`) : diffusion forcing(블록별 인과적 마스킹)를 활성화할지 여부.

fps (`torch.Tensor`, *선택 사항*) : FPS 조건 임베딩.

return_dict (`bool`, *선택 사항*, 기본값 `True`) : 일반 튜플 대신 `~models.transformer_2d.Transformer2DModelOutput`을 반환할지 여부.

attention_kwargs (`dict`, *선택 사항*) : 지정된 경우 [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py)의 `self.processor` 아래에서 정의된 `AttentionProcessor`로 전달되는 kwargs 사전입니다.

**반환값:**

`return_dict`가 True이면 `~models.transformer_2d.Transformer2DModelOutput`이 반환되고, 그렇지 않으면 첫 번째 요소가 샘플 텐서인 `tuple`이 반환됩니다.

[SkyReelsV2Transformer3DModel](/docs/diffusers/main/ko/api/models/skyreels_v2_transformer_3d#diffusers.SkyReelsV2Transformer3DModel)의 forward 메서드입니다.

## 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)
```

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

**매개변수:**

sample (`torch.Tensor`, shape `(batch_size, num_channels, height, width)` 또는 [Transformer2DModel](/docs/diffusers/main/ko/api/models/transformer2d#diffusers.Transformer2DModel)이 discrete인 경우 `(batch size, num_vector_embeds - 1, num_latent_pixels)`) : `encoder_hidden_states` 입력에 조건부인 hidden states 출력입니다. discrete인 경우, 노이즈가 제거된 latent 픽셀에 대한 확률 분포를 반환합니다.

[Transformer2DModel](/docs/diffusers/main/ko/api/models/transformer2d#diffusers.Transformer2DModel)의 출력입니다.