Parámetros

• prompt (str o list[str], opcional) — El prompt o los prompts para guiar la generación de la imagen. Si no se define, hay que pasar prompt_embeds en su lugar.
• negative_prompt (str, opcional, valor predeterminado "") — El prompt o prompts que no deben guiar la generación de la imagen. Se ignora cuando no se usa guía (es decir, se ignora si guidance_scale es menor que 1).
• height (int, opcional, por defecto self.transformer.config.sample_size * self.vae_scale_factor) — La altura en píxeles de la imagen generada.
• width (int, opcional, por defecto self.transformer.config.sample_size * self.vae_scale_factor) — El ancho en píxeles de la imagen generada.
• num_inference_steps (int, opcional, valor predeterminado 28) — El número de pasos de desruido. Más pasos de desruido suelen conducir a una imagen de mayor calidad a costa de una inferencia más lenta.
• timesteps (list[int], opcional) — Pasos de tiempo personalizados para usar en el proceso de desruido con programadores que admiten un argumento timesteps en su método set_timesteps. Si no se define, se usará el comportamiento predeterminado cuando se pase num_inference_steps. Debe estar en orden descendente.
• guidance_scale (float, opcional, valor predeterminado 4.0) — Escala de guía definida en Classifier-Free Diffusion Guidance. guidance_scale se define como w de la ecuación 2 del Imagen Paper. La escala de guía se habilita estableciendo guidance_scale > 1. Una escala de guía más alta fomenta la generación de imágenes estrechamente vinculadas al de texto prompt, generalmente a costa de una menor calidad de imagen.
• num_images_per_prompt (int, opcional, valor predeterminado 1) — El número de imágenes que se generarán por indicación.
• generator (torch.Generator o list[torch.Generator], opcional) — Uno o una lista de generadores de torch para hacer la generación determinista.
• latents (torch.Tensor, opcional) — Latentes ruidosos pregenerados, muestreados de una distribución gaussiana, que se utilizarán como entradas para la generación de imágenes. Se pueden usar para ajustar la misma generación con diferentes prompts. Si no se proporcionan, se generará un tensor de latentes mediante muestreo usando el generator aleatorio suministrado.
• prompt_embeds (torch.FloatTensor, opcional) — Incrustaciones de texto pregeneradas. Se pueden utilizar para ajustar fácilmente las entradas de texto, por ejemplo, el ponderado del prompt. Si no se proporcionan, las incrustaciones de texto se generarán a partir del argumento de entrada prompt.
• negative_prompt_embeds (torch.FloatTensor, opcional) — Incrustaciones de texto negativas pregeneradas. Se pueden usar para ajustar fácilmente las entradas de texto, por ejemplo, el ponderado del prompt. Si no se proporcionan y guidance_scale > 1, se generarán incrustaciones negativas a partir de una cadena vacía.
• prompt_attention_mask (torch.BoolTensor, opcional) — Máscara de atención pregenerada para prompt_embeds. Si no se proporciona, la máscara de atención se generará a partir del argumento de entrada prompt.
• negative_prompt_attention_mask (torch.BoolTensor, opcional) — Máscara de atención pregenerada para negative_prompt_embeds. Si no se proporciona y guidance_scale > 1, se generará la máscara de atención a partir de una cadena vacía.
• output_type (str, opcional, por defecto “pil”) — El formato de salida de la imagen generada. Elija entre PIL: PIL.Image.Image o np.array.
• tokenizer_max_length (int, opcional) — Anula el número máximo de tokens utilizados al tokenizar el prompt. Si no se establece, el valor predeterminado es el model_max_length propio del tokenizer.
• skip_text_cleaning (bool, opcional, valor predeterminado False) — Si es True, utiliza solo una limpieza ligera del prompt (corregir codificación + desescapar HTML) en lugar del pipeline completo de limpieza de DeepFloyd.
• return_dict (bool, opcional, valor predeterminado True) — Indica si se debe devolver un [~pipelines.prx.PRXPipelineOutput] en lugar de una tupla simple.
• use_resolution_binning (bool, opcional, valor predeterminado True) — Si se establece en True, la altura y el ancho solicitados se mapean primero a las resoluciones más cercanas utilizando bins de relación de aspecto predefinidos. Después de que los latentes generados se decodifican en imágenes, se redimensionan de nuevo a la resolución solicitada. Útil para generar imágenes no cuadradas en resoluciones óptimas.
• callback_on_step_end (Callable, opcional) — Una función que se llama al final de cada paso de desruido durante la inferencia. La función se llama con los siguientes argumentos: callback_on_step_end(self, step, timestep, callback_kwargs). callback_kwargs incluirá una lista de todos los tensores especificados por callback_on_step_end_tensor_inputs.
• callback_on_step_end_tensor_inputs (list, optional) — La lista de entradas de tensor para la función callback_on_step_end. Los tensores especificados en la lista se pasarán como argumento callback_kwargs. Solo podrás incluir tensores que estén listados en el atributo ._callback_tensor_inputs.