# BriaFibo2Transformer2DModel

O transformer de fluxo único do Fibo 2.0 da [Bria](https://huggingface.co/briaai), construído sobre o bloco Z-Image. Sua condicionamento de texto vem do Qwen3-VL de duas formas: um Perceiver resampler converte os estados ocultos do codificador de texto em tokens de resumo que compartilham o fluxo com os tokens de imagem, e cinco blocos adicionam uma atenção cruzada com gate ao seu próprio conjunto de camadas do Qwen3-VL. Para editar, os latentes das imagens a serem editadas entram no fluxo como tokens limpos, cada imagem em seu próprio plano RoPE.

## BriaFibo2Transformer2DModel[[diffusers.BriaFibo2Transformer2DModel]]

#### diffusers.BriaFibo2Transformer2DModel[[diffusers.BriaFibo2Transformer2DModel]]

```python
diffusers.BriaFibo2Transformer2DModel(in_channels: int = 32, patch_size: int = 2, dim: int = 3584, n_layers: int = 44, n_refiner_layers: int = 2, n_heads: int = 28, norm_eps: float = 1e-05, cap_feat_dim: int = 7680, injection_layer_ids: tuple[int, ...] = (6, 14, 22, 30, 38), perceiver_num_layers: int = 2, min_num_gist_tokens: int = 256, max_num_gist_tokens: int = 512, gist_step: int = 64, gist_min_text_len: int = 256, gist_max_text_len: int = 2048, rope_theta: float = 256.0, t_scale: float = 1000.0, axes_dims: tuple[int, ...] = (32, 48, 48), axes_lens: tuple[int, ...] = (2048, 512, 512))
```

[Fonte](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_bria_fibo2.py#L430)

#### forward[[diffusers.BriaFibo2Transformer2DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: Tensor, encoder_hidden_states: Tensor, encoder_attention_mask: typing.Optional[torch.Tensor] = None, context_latents: list[torch.Tensor] | None = None, return_dict: bool = True)
```

[Fonte](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_bria_fibo2.py#L500)

**Parâmetros:**

hidden_states (`torch.Tensor` de forma `(batch_size, in_channels, height, width)`) : Latentes normalizados do VAE da imagem sendo gerada.

timestep (`torch.Tensor` de forma `(batch_size,)`) : Nível de ruído em `[0, 1]`: 1 é ruído puro, 0 é uma imagem limpa.

encoder_hidden_states (`torch.Tensor` de forma `(batch_size, 1 + len(injection_layer_ids), text_len, cap_feat_dim)`) : Recursos do codificador de texto: primeiro o pacote do Perceiver, seguido de um pacote por bloco de injeção.

encoder_attention_mask (`torch.Tensor` de forma `(batch_size, text_len)`, *opcional*) : Máscara booleana dos tokens de texto reais, para um lote de prompts preenchidos até o mesmo comprimento. Deixe como `None` quando nada for preenchido.

context_latents (`list[torch.Tensor]`, *opcional*) : Latentes normalizados do VAE das imagens a serem editadas, um tensor de forma `(batch_size, in_channels, height, width)` por imagem, em ordem. Cada imagem pode ter seu próprio tamanho. Seus tokens condicionam a geração como tokens limpos e não são previstos.

return_dict (`bool`, padrão `True`) : Se deve retornar um [Transformer2DModelOutput](/docs/diffusers/v0.43.0/pt/api/models/cogview3plus_transformer2d#diffusers.models.modeling_outputs.Transformer2DModelOutput) em vez de uma tupla.

**Retorna:** [Transformer2DModelOutput](/docs/diffusers/v0.43.0/pt/api/models/cogview3plus_transformer2d#diffusers.models.modeling_outputs.Transformer2DModelOutput) ou `tuple`

A velocidade prevista, com a forma de `hidden_states`. Se `return_dict` for `False`, uma tupla cujo primeiro elemento é esse tensor.