Diffusers documentation
HunyuanVideoTransformer3DModel
HunyuanVideoTransformer3DModel
Tencent에서 HunyuanVideo: A Systematic Framework For Large Video Generative Models을 통해 3D 비디오 유사 데이터용 Diffusion Transformer 모델을 소개했습니다.
다음 코드 스니펫으로 모델을 로드할 수 있습니다.
from diffusers import HunyuanVideoTransformer3DModel
transformer = HunyuanVideoTransformer3DModel.from_pretrained("hunyuanvideo-community/HunyuanVideo", subfolder="transformer", dtype=torch.bfloat16)HunyuanVideoTransformer3DModel
클래스 diffusers.HunyuanVideoTransformer3DModel
< source >( in_channels: int = 16out_channels: int = 16num_attention_heads: int = 24attention_head_dim: int = 128num_layers: int = 20num_single_layers: int = 40num_refiner_layers: int = 2mlp_ratio: float = 4.0patch_size: int = 2patch_size_t: int = 1qk_norm: str = 'rms_norm'guidance_embeds: bool = Truetext_embed_dim: int = 4096pooled_projection_dim: int = 768rope_theta: float = 256.0rope_axes_dim: tuple[int, ...] = (16, 56, 56)image_condition_type: str | None = None )
매개변수
- in_channels (
int, 기본값16) — 입력의 채널 수입니다. - out_channels (
int, 기본값16) — 출력의 채널 수입니다. - num_attention_heads (
int, 기본값24) — 멀티헤드 어텐션에 사용할 헤드의 수입니다. - attention_head_dim (
int, 기본값128) — 각 헤드당 채널 수입니다. - num_layers (
int, 기본값20) — 사용할 dual-stream 블록의 레이어 수입니다. - num_single_layers (
int, 기본값40) — 사용할 단일 스트림 블록의 레이어 수입니다. - num_refiner_layers (
int, 기본값2) — 사용할 refiner 블록의 레이어 수입니다. - mlp_ratio (
float, 기본값4.0) — 피드포워드 네트워크에서 은닉층 크기와 입력 크기의 비율입니다. - patch_size (
int, 기본값2) — 패치 임베딩 레이어에서 사용할 공간 패치의 크기입니다. - patch_size_t (
int, 기본값1) — 패치 임베딩 레이어에서 사용할 시간적 패치의 크기입니다. - qk_norm (
str, 기본값rms_norm) — Attention 레이어의 query 및 key projection에 사용할 정규화 방법입니다. - guidance_embeds (
bool, 기본값True) — 모델에서 guidance embeddings를 사용할지 여부. - text_embed_dim (
int, 기본값4096) — 텍스트 인코더에서 생성된 텍스트 임베딩의 입력 차원입니다. - pooled_projection_dim (
int, 기본값768) — 텍스트 임베딩의 풀링 투영 차원입니다. - rope_theta (
float, 기본값256.0) — RoPE 레이어에서 사용할 theta 값입니다. - rope_axes_dim (
tuple[int], 기본값(16, 56, 56)) — RoPE 레이어에서 사용할 축의 차원입니다. - image_condition_type (
str, 선택 사항, 기본값None) — 사용할 이미지 조건화 유형입니다.None인 경우 이미지 조건화를 사용하지 않습니다.latent_concat인 경우 이미지가 latent stream에 연결됩니다.token_replace인 경우 이미지가 latent stream의 첫 번째 프레임 토큰을 대체하는 데 사용되고 조건화가 적용됩니다.
HunyuanVideo에서 사용되는 비디오 유사 데이터용 Transformer 모델입니다.
forward
< source >( hidden_states: Tensortimestep: LongTensorencoder_hidden_states: Tensorencoder_attention_mask: Tensorpooled_projections: Tensorguidance: Tensor = Noneattention_kwargs: dict[str, typing.Any] | None = Nonereturn_dict: bool = True )
매개변수
- hidden_states (
torch.Tensor, shape(batch_size, num_channels, num_frames, height, width)) — 입력hidden_states. - timestep (
torch.LongTensor) — 디노이징 단계를 나타내는 데 사용됩니다. - encoder_hidden_states (
torch.Tensor, shape(batch_size, sequence_len, embed_dims)) — 사용할 조건 임베딩(프롬프트와 같은 입력 조건에서 계산된 임베딩). - encoder_attention_mask (
torch.Tensor) — Attention 과정에서encoder_hidden_states에 적용되는 마스크입니다. - pooled_projections (
torch.Tensor, shape(batch_size, projection_dim)) — 입력 조건의 임베딩에서 투영된 임베딩입니다. - guidance (
torch.Tensor, optional) — Guidance scale embedding used for guidance-distilled variants of the model. - attention_kwargs (
dict, 선택 사항) — 지정된 경우 diffusers.models.attention_processor의self.processor에서 정의된AttentionProcessor로 전달되는 kwargs 사전입니다. - return_dict (
bool, 선택 사항, 기본값True) — 단순 tuple 대신~models.transformer_2d.Transformer2DModelOutput를 반환할지 여부.
HunyuanVideoTransformer3DModel의 forward 메서드입니다.
Transformer2DModelOutput
클래스 diffusers.models.modeling_outputs.Transformer2DModelOutput
< source >( sample: torch.Tensor )
매개변수
- sample (
torch.Tensor, shape(batch_size, num_channels, height, width)또는 Transformer2DModel이 discrete인 경우(batch size, num_vector_embeds - 1, num_latent_pixels)) —encoder_hidden_states입력에 조건부인 hidden states 출력입니다. discrete인 경우, 노이즈가 제거된 latent 픽셀에 대한 확률 분포를 반환합니다.
Transformer2DModel의 출력입니다.