# ChronoEditTransformer3DModel

NVIDIA ve Toronto Üniversitesi'nden Jay Zhangjie Wu, Xuanchi Ren, Tianchang Shen, Tianshi Cao, Kai He, Yifan Lu, Ruiyuan Gao, Enze Xie, Shiyi Lan, Jose M. Alvarez, Jun Gao, Sanja Fidler, Zian Wang, Huan Ling tarafından geliştirilen [ChronoEdit: Towards Temporal Reasoning for Image Editing and World Simulation](https://huggingface.co/papers/2510.04290) makalesindeki 3D video benzeri veriler için bir Diffusion Transformer modeli.

> **Kısa özet:** ChronoEdit, görüntü düzenlemeyi bir video üretimi görevi olarak yeniden çerçeveler ve zaman tutarlılığına sahip önceden eğitilmiş video modellerinden yararlanmak için girdi ve düzenlenmiş görüntüleri başlangıç/bitiş kareleri olarak kullanır. Zamanlama akıl yürütme aşaması, fiziksel olarak olası düzenlemeleri sağlamak ve düzenleme yörüngesini görselleştirmek için akıl yürütme jetonları (reasoning tokens) tanıtır.

Model, aşağıdaki kod parçasıyla yüklenebilir.

```python
from diffusers import ChronoEditTransformer3DModel

transformer = ChronoEditTransformer3DModel.from_pretrained("nvidia/ChronoEdit-14B-Diffusers", subfolder="transformer", dtype=torch.bfloat16)
```

## ChronoEditTransformer3DModel[[diffusers.ChronoEditTransformer3DModel]]

#### diffusers.ChronoEditTransformer3DModel[[diffusers.ChronoEditTransformer3DModel]]

```python
diffusers.ChronoEditTransformer3DModel(patch_size: tuple = (1, 2, 2), num_attention_heads: int = 40, attention_head_dim: int = 128, in_channels: int = 16, out_channels: int = 16, text_dim: int = 4096, freq_dim: int = 256, ffn_dim: int = 13824, num_layers: int = 40, 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, rope_temporal_skip_len: int = 8)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_chronoedit.py#L523)

**Parametreler:**

patch_size (`tuple[int]`, varsayılan `(1, 2, 2)`) : Video gömme için 3B yama boyutları (t_patch, h_patch, w_patch).

num_attention_heads (`int`, varsayılan `40`) : Metin gömme (embedding) için sabit uzunluk.

attention_head_dim (`int`, varsayılan `128`) : Her baştaki kanal sayısı.

in_channels (`int`, varsayılan `16`) : Girdideki kanal sayısı.

out_channels (`int`, varsayılan `16`) : Çıktıdaki kanal sayısı.

text_dim (`int`, varsayılan `512`) : Metin gömme girdi boyutu.

freq_dim (`int`, varsayılan `256`) : Sinüzoidal zaman gömme boyutu.

ffn_dim (`int`, varsayılan `13824`) : İleri beslemeli ağdaki ara boyut.

num_layers (`int`, varsayılan `40`) : Kullanılacak transformer bloğu katman sayısı.

window_size (`tuple[int]`, varsayılan `(-1, -1)`) : Yerel dikkat için pencere boyutu (-1, global dikkat olduğunu belirtir).

cross_attn_norm (`bool`, varsayılan `True`) : Çapraz dikkat normalizasyonunu etkinleştirir.

qk_norm (`bool`, varsayılan `True`) : Sorgu/anahtar normalizasyonunu etkinleştirir.

eps (`float`, varsayılan `1e-6`) : Normalizasyon katmanları için epsilon değeri.

add_img_emb (`bool`, varsayılan `False`) : img_emb kullanılacak mı?

added_kv_proj_dim (`int`, *isteğe bağlı*, varsayılan `None`) : Eklenen anahtar ve değer projeksiyonları için kullanılacak kanal sayısı. `None` ise projeksiyon kullanılmaz.

ChronoEdit modelinde kullanılan, video benzeri veriler için bir Transformer modeli.

#### forward[[diffusers.ChronoEditTransformer3DModel.forward]]

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

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_chronoedit.py#L644)

**Parametreler:**

hidden_states (`torch.Tensor`, şekli `(batch_size, num_channels, num_frames, height, width)`) : Girdi `hidden_states`.

timestep (`torch.LongTensor`) : Gürültü azaltma adımını belirtmek için kullanılır.

encoder_hidden_states (`torch.Tensor`, şekli `(batch_size, sequence_len, embed_dims)`) : Kullanılacak koşullu gömlemeler (giriş koşullarından, örneğin istemlerden hesaplanan gömlemeler).

encoder_hidden_states_image (`torch.Tensor`, *isteğe bağlı*) : Görsel koşullu üretim için koşullu görsel gömme değerleri.

return_dict (`bool`, *isteğe bağlı*, varsayılan `True`) : Düz bir tuple yerine `~models.transformer_2d.Transformer2DModelOutput` döndürülüp döndürülmediğini belirtir.

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:**

`return_dict` True ise, `~models.transformer_2d.Transformer2DModelOutput` döndürülür, aksi takdirde ilk öğesi örnek tensörü olan bir `tuple` döndürülür.

[ChronoEditTransformer3DModel](/docs/diffusers/main/tr/api/models/chronoedit_transformer_3d#diffusers.ChronoEditTransformer3DModel) ileri yöntemi.

## 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)
```

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

**Parametreler:**

sample (`torch.Tensor`, şekli `(batch_size, num_channels, height, width)` veya [Transformer2DModel](/docs/diffusers/main/tr/api/models/transformer2d#diffusers.Transformer2DModel) ayrık (discrete) ise `(batch size, num_vector_embeds - 1, num_latent_pixels)`) : `encoder_hidden_states` girdisine koşullu gizli durum (hidden states) çıktısı. Ayrık (discrete) ise, gürültüsü olmayan (unnoised) gizli (latent) pikseller için olasılık dağılımlarını döndürür.

[Transformer2DModel](/docs/diffusers/main/tr/api/models/transformer2d#diffusers.Transformer2DModel)'nin çıktısı.