# EasyAnimateTransformer3DModel

Model Diffusion Transformer untuk data 3D dari [EasyAnimate](https://github.com/aigc-apps/EasyAnimate) diperkenalkan oleh Alibaba PAI.

Model dapat dimuat dengan potongan kode berikut.

```python
from diffusers import EasyAnimateTransformer3DModel

transformer = EasyAnimateTransformer3DModel.from_pretrained("alibaba-pai/EasyAnimateV5.1-12b-zh", subfolder="transformer", dtype=torch.float16).to("cuda")  # or "mps", "xpu", "cpu"
```

## EasyAnimateTransformer3DModel[[diffusers.EasyAnimateTransformer3DModel]]

#### diffusers.EasyAnimateTransformer3DModel[[diffusers.EasyAnimateTransformer3DModel]]

```python
diffusers.EasyAnimateTransformer3DModel(num_attention_heads: int = 48, attention_head_dim: int = 64, in_channels: int | None = None, out_channels: int | None = None, patch_size: int | None = None, sample_width: int = 90, sample_height: int = 60, activation_fn: str = 'gelu-approximate', timestep_activation_fn: str = 'silu', freq_shift: int = 0, num_layers: int = 48, mmdit_layers: int = 48, dropout: float = 0.0, time_embed_dim: int = 512, add_norm_text_encoder: bool = False, text_embed_dim: int = 3584, text_embed_dim_t5: int = None, norm_eps: float = 1e-05, norm_elementwise_affine: bool = True, flip_sin_to_cos: bool = True, time_position_encoding_type: str = '3d_rope', after_norm = False, resize_inpaint_mask_directly: bool = True, enable_text_attention_mask: bool = True, add_noise_in_inpaint_model: bool = True)
```

[Sumber](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_easyanimate.py#L316)

**Parameter:**

num_attention_heads (`int`, defaultnya `48`) : Jumlah kepala yang digunakan untuk multi-head attention.

attention_head_dim (`int`, defaultnya `64`) : Jumlah channel di setiap head.

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

out_channels (`int`, *opsional*, defaultnya `16`) : Jumlah channel pada output.

patch_size (`int`, defaultnya `2`) : Ukuran patch yang akan digunakan di lapisan patch embedding.

sample_width (`int`, defaultnya `90`) : Lebar dari latens input.

sample_height (`int`, defaultnya `60`) : Tinggi dari latens input.

activation_fn (`str`, defaultnya `"gelu-approximate"`) : Fungsi aktivasi yang digunakan dalam feed-forward.

timestep_activation_fn (`str`, defaultnya `"silu"`) : Fungsi aktivasi yang digunakan saat menghasilkan embedding timestep.

num_layers (`int`, defaultnya `30`) : Jumlah lapisan blok Transformer yang akan digunakan.

mmdit_layers (`int`, defaultnya `1000`) : Jumlah lapisan blok Multi Modal Transformer yang akan digunakan.

dropout (`float`, defaultnya `0.0`) : Probabilitas dropout yang digunakan.

time_embed_dim (`int`, defaultnya `512`) : Dimensi output dari embedding timestep.

text_embed_dim (`int`, defaultnya `4096`) : Dimensi input dari embedding teks yang berasal dari text encoder.

norm_eps (`float`, defaultnya `1e-5`) : Nilai epsilon yang digunakan dalam lapisan normalisasi.

norm_elementwise_affine (`bool`, defaultnya `True`) : Apakah akan menggunakan elementwise affine di lapisan normalisasi.

flip_sin_to_cos (`bool`, defaultnya `True`) : Apakah akan membalik sin menjadi cos dalam time embedding.

time_position_encoding_type (`str`, defaultnya `3d_rope`) : Jenis encoding posisi waktu.

after_norm (`bool`, defaultnya `False`) : Flag untuk menerapkan normalisasi setelahnya.

resize_inpaint_mask_directly (`bool`, defaultnya `True`) : Flag untuk mengubah ukuran mask inpaint secara langsung.

enable_text_attention_mask (`bool`, defaultnya `True`) : Flag untuk mengaktifkan text attention mask.

add_noise_in_inpaint_model (`bool`, defaultnya `False`) : Flag untuk menambahkan noise pada model inpaint.

Model Transformer untuk data seperti video di [EasyAnimate](https://github.com/aigc-apps/EasyAnimate).

#### forward[[diffusers.EasyAnimateTransformer3DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: Tensor, timestep_cond: typing.Optional[torch.Tensor] = None, encoder_hidden_states: typing.Optional[torch.Tensor] = None, encoder_hidden_states_t5: typing.Optional[torch.Tensor] = None, inpaint_latents: typing.Optional[torch.Tensor] = None, control_latents: typing.Optional[torch.Tensor] = None, return_dict: bool = True)
```

[Sumber](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_easyanimate.py#L461)

**Parameter:**

hidden_states (`torch.Tensor` dengan bentuk `(batch_size, channels, num_frames, height, width)`) : Input `hidden_states`.

timestep (`torch.LongTensor`) : Digunakan untuk menunjukkan langkah denoising.

timestep_cond (`torch.Tensor`, *opsional*) : Embedding kondisional untuk timestep. Jika disediakan, embedding akan dijumlahkan dengan sampel yang melewati lapisan `self.time_embedding` untuk mendapatkan embedding timestep akhir.

encoder_hidden_states (`torch.Tensor`, *opsional*) : Embedding kondisional (embedding yang dihitung dari kondisi input seperti prompt) yang akan digunakan.

encoder_hidden_states_t5 (`torch.Tensor`, *opsional*) : Embedding kondisional tambahan yang dihitung dari pengkode teks T5.

inpaint_latents (`torch.Tensor`, *opsional*) : Laten yang digabungkan ke `hidden_states` untuk varian inpainting dari model.

control_latents (`torch.Tensor`, *opsional*) : Laten yang digabungkan ke `hidden_states` untuk varian kontrol dari model.

return_dict (`bool`, *opsional*, defaultnya `True`) : Apakah akan mengembalikan `~models.transformer_2d.Transformer2DModelOutput` alih-alih tuple biasa.

**Mengembalikan:**

Jika `return_dict` bernilai True, sebuah `~models.transformer_2d.Transformer2DModelOutput` akan dikembalikan, selain itu sebuah `tuple` di mana elemen pertama adalah tensor sampel.

Metode forward dari [EasyAnimateTransformer3DModel](/docs/diffusers/v0.43.0/id/api/models/easyanimate_transformer3d#diffusers.EasyAnimateTransformer3DModel).

## 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/v0.43.0/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/v0.43.0/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/v0.43.0/id/api/models/transformer2d#diffusers.Transformer2DModel).