Diffusers documentation
BriaFibo2Transformer2DModel
BriaFibo2Transformer2DModel
يعتمد الترانسفورمر أحادي التدفق في Bria لنموذج Fibo 2.0 على كتلة Z-Image. تأتي شروط النص من Qwen3-VL بطريقتين: حيث يحوّل مُعيد العينة Perceiver حالات المُشفِّر النصي المخفية إلى رموز ملخصة (gist tokens) تتشارك التدفق مع رموز الصورة، بينما تضيف خمس كتل انتباهًا متقاطعًا مُتحكَّمًا به (gated cross-attention) إلى حزمة طبقات Qwen3-VL الخاصة بها. ولأغراض التحرير، تنضم كامنات (latents) الصور المراد تحريرها إلى التدفق كرموز نظيفة، حيث تُخصَّص لكل صورة مستوى RoPE مستقل.
BriaFibo2Transformer2DModel
فئة diffusers.BriaFibo2Transformer2DModel
< source >( in_channels: int = 32patch_size: int = 2dim: int = 3584n_layers: int = 44n_refiner_layers: int = 2n_heads: int = 28norm_eps: float = 1e-05cap_feat_dim: int = 7680injection_layer_ids: tuple = (6, 14, 22, 30, 38)perceiver_num_layers: int = 2min_num_gist_tokens: int = 256max_num_gist_tokens: int = 512gist_step: int = 64gist_min_text_len: int = 256gist_max_text_len: int = 2048rope_theta: float = 256.0t_scale: float = 1000.0axes_dims: tuple = (32, 48, 48)axes_lens: tuple = (2048, 512, 512) )
forward
< source >( hidden_states: Tensortimestep: Tensorencoder_hidden_states: Tensorencoder_attention_mask: typing.Optional[torch.Tensor] = Nonecontext_latents: list[torch.Tensor] | None = Nonereturn_dict: bool = True ) → Transformer2DModelOutput or tuple
المعاملات
- hidden_states (
torch.Tensorمن الشكل(batch_size, in_channels, height, width)) — قيم VAE المخفية المعيارية للصورة قيد التوليد. - timestep (
torch.Tensorمن الشكل(batch_size,)) — مستوى الضوضاء في[0, 1]: القيمة 1 تعني ضوضاء نقية، والقيمة 0 تعني صورة نظيفة. - encoder_hidden_states (
torch.Tensorمن الشكل(batch_size, 1 + len(injection_layer_ids), text_len, cap_feat_dim)) — ميزات مُشفِّر النص: حزمة Perceiver أولاً، ثم حزمة واحدة لكل كتلة حقن. - encoder_attention_mask (
torch.Tensorمن الشكل(batch_size, text_len)، اختياري) — قناع منطقي (Bool) للرموز النصية الفعلية، لمجموعة من الأوامر (prompts) تمت تعبئتها (padding) حتى الطول نفسه. اتركهNoneعندما لا توجد أي تعبئة. - context_latents (
list[torch.Tensor]، اختياري) — قيم VAE المُطَبَّعة للصور المراد تحريرها، حيث يكون لكل صورة متجه واحد بأبعاد(batch_size, in_channels, height, width)، بالترتيب. يمكن أن يكون لكل صورة حجمها الخاص. تعمل رموزها كشرط للتوليد بوصفها رموزًا نظيفة ولا يتم التنبؤ بها. - return_dict (
bool، القيمة الافتراضيةTrue) — ما إذا كان يجب إرجاع Transformer2DModelOutput بدلاً من tuple.
يعيد
Transformer2DModelOutput أو tuple
السرعة المتوقعة، والتي لها الشكل
hidden_states. إذا كان return_dict هو False، فهو tuple يكون عنصره الأول هو ذلك tensor.