# JoyImageEditPlusTransformer3DModel

Le modèle peut être chargé à l'aide du fragment de code suivant.

```python
from diffusers import JoyImageEditPlusTransformer3DModel

transformer = JoyImageEditPlusTransformer3DModel.from_pretrained("jdopensource/JoyAI-Image-Edit-Plus-Diffusers", subfolder="transformer", dtype=torch.bfloat16)
```

## JoyImageEditPlusTransformer3DModel[[diffusers.JoyImageEditPlusTransformer3DModel]]

#### diffusers.JoyImageEditPlusTransformer3DModel[[diffusers.JoyImageEditPlusTransformer3DModel]]

```python
diffusers.JoyImageEditPlusTransformer3DModel(patch_size: list = [1, 2, 2], in_channels: int = 16, out_channels: int | None = None, hidden_size: int = 3072, num_attention_heads: int = 24, text_dim: int = 4096, mlp_width_ratio: float = 4.0, num_layers: int = 20, rope_dim_list: list = [16, 56, 56], rope_type: str = 'rope', theta: int = 256)
```

[Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_joyimage_edit_plus.py#L317)

**Paramètres :**

patch_size (`list`, par défaut `[1, 2, 2]`) : Taille des patches pour la patchification de l'entrée latente le long des dimensions `(t, h, w)`.

in_channels (`int`, par défaut `16`) : Le nombre de canaux dans le latent d'entrée.

out_channels (`int`, *facultatif*, par défaut `None`) : Le nombre de canaux dans la sortie. S'il n'est pas spécifié, il est défini sur `in_channels` par défaut.

hidden_size (`int`, par défaut `3072`) : La dimension des représentations cachées.

num_attention_heads (`int`, par défaut `24`) : Le nombre de têtes d'attention.

text_dim (`int`, par défaut `4096`) : La dimensionnalité de la sortie du codeur de texte.

mlp_width_ratio (`float`, par défaut `4.0`) : Le ratio de la dimension cachée du MLP par rapport à `hidden_size`.

num_layers (`int`, par défaut `20`) : Le nombre de blocs de transformateur à double flux.

rope_dim_list (`list[int]`, par défaut `[16, 56, 56]`) : Les dimensions des embeddings positionnels rotatifs 3D le long de `(t, h, w)`.

rope_type (`str`, par défaut `"rope"`) : Le type d'incorporation positionnelle rotative.

theta (`int`, par défaut `256`) : La fréquence de base pour les embeddings rotatifs.

JoyImage Edit Plus Transformer pour l'édition multi-images.

Utilise une approche de patchification + bourrage (padding) où chaque image de référence et le bruit cible sont patchifiés indépendamment puis concaténés en une séquence plate de patches. Prend en charge les images de référence à résolution variable.

Format d'entrée : `[B, max_patches, C, pt, ph, pw]` (patches 6D avec bourrage).

#### forward[[diffusers.JoyImageEditPlusTransformer3DModel.forward]]

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

[Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_joyimage_edit_plus.py#L444)

**Paramètres :**

hidden_states : [B, max_patches, C, pt, ph, pw] - entrée latente patchifiée.

timestep : [B] - pas de diffusion.

encoder_hidden_states : [B, L, D] - sorties de l'encodeur de texte.

encoder_hidden_states_mask : [B, L] - masque d'attention pour les jetons de texte.

shape_list : Liste par échantillon de tuples (t, h, w) pour chaque composant (cible + références).

return_dict : Indique s'il faut retourner un dictionnaire ou un tuple.

**Retourne :**

Si `return_dict` est True, un [Transformer2DModelOutput](/docs/diffusers/main/fr/api/models/cogview3plus_transformer2d#diffusers.models.modeling_outputs.Transformer2DModelOutput) est renvoyé, sinon un `tuple` dont le premier élément est le tenseur d'échantillon.

## 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)
```

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

**Paramètres :**

sample (`torch.Tensor` de forme `(batch_size, num_channels, height, width)` ou `(batch size, num_vector_embeds - 1, num_latent_pixels)` si [Transformer2DModel](/docs/diffusers/main/fr/api/models/transformer2d#diffusers.Transformer2DModel) est discret) : Les états cachés en sortie, conditionnés par l'entrée `encoder_hidden_states`. Si discret, renvoie les distributions de probabilité pour les pixels latents non bruités.

La sortie de [Transformer2DModel](/docs/diffusers/main/fr/api/models/transformer2d#diffusers.Transformer2DModel).