Parámetros

• x (list de torch.Tensor o list anidada de torch.Tensor) — Latentes de entrada. Una lista plana al ejecutar en modo estándar, o una lista anidada al ejecutar en modo omni.
• t (torch.Tensor) — Se utiliza para indicar el paso de desruido.
• cap_feats (list de torch.Tensor o list anidada de torch.Tensor) — Embeddings de subtítulos condicionales (embeddings calculados a partir de las condiciones de entrada, como los prompts) a utilizar.
• return_dict (bool, opcional, valor predeterminado True) — Indica si se debe devolver un ~models.transformer_2d.Transformer2DModelOutput en lugar de una tupla simple.
• controlnet_block_samples (dict de int a torch.Tensor, opcional) — Un mapeo de índice de bloque a tensor que, si se especifica, se suma a los residuos de los bloques del transformer.
• siglip_feats (list de list de torch.Tensor, opcional) — Características de imagen SigLIP opcionales utilizadas como condicionamiento adicional.
• image_noise_mask (list de list de int, opcional) — Máscaras de ruido por imagen que indican los tokens ruidosos frente a los limpios en el modo omni.
• patch_size (int, opcional, valor predeterminado 2) — Tamaño de parche espacial utilizado para aplicar patchify a los latentes de entrada.
• f_patch_size (int, opcional, valor predeterminado 1) — Tamaño de parche temporal utilizado para aplicar patchify a los latentes de entrada.
• joint_attention_kwargs (dict, opcional) — Un diccionario de kwargs. Solo se utiliza la entrada scale, para escalar las capas LoRA.