Parámetros

• sigma_min (float, opcional, valor predeterminado 0.002) — Magnitud mínima de ruido en la programación de sigma. Esto se estableció en 0.002 en el artículo de EDM [1]; un rango razonable es [0, 10].
• sigma_max (float, opcional, valor predeterminado 80.0) — Magnitud máxima del ruido en la programación de sigma. En el artículo de EDM [1] se estableció en 80.0; un rango razonable es [0.2, 80.0].
• sigma_data (float, opcional, valor predeterminado 0.5) — La desviación estándar de la distribución de datos. En el artículo EDM [1], este valor se establece en 0.5.
• sigma_schedule (str, opcional, valor predeterminado karras) — Programa para calcular los sigmas. De forma predeterminada, se utiliza el programa introducido en el artículo EDM (https://huggingface.co/papers/2206.00364). Otro valor aceptable es “exponential”. El programa exponencial se incorporó en este modelo: https://huggingface.co/stabilityai/cosxl.
• num_train_timesteps (int, por defecto 1000) — El número de pasos de difusión para entrenar el modelo.
• prediction_type (str, defaults to epsilon, optional) — Prediction type of the scheduler function; can be epsilon (predicts the noise of the diffusion process), sample (directly predicts the noisy sample) or v_prediction` (see section 2.4 of Imagen Video paper).
• rho (float, opcional, valor predeterminado 7.0) — El parámetro rho en la programación de sigma de Karras. Este se estableció en 7.0 en el artículo de EDM [1].
• solver_order (int, por defecto 2) — El orden de DPMSolver, que puede ser 1 o 2 o 3. Se recomienda usar solver_order=2 para muestreo guiado y solver_order=3 para muestreo incondicional.
• thresholding (bool, por defecto False) — Si se debe utilizar el método de “umbral dinámico”. No es adecuado para modelos de difusión en el espacio latente, como Stable Diffusion.
• dynamic_thresholding_ratio (float, valor predeterminado 0.995) — La proporción para el método de umbral dinámico. Solo es válido cuando thresholding=True.
• sample_max_value (float, por defecto 1.0) — El valor umbral para el umbral dinámico. Solo es válido cuando thresholding=True y algorithm_type="dpmsolver++".
• algorithm_type (str, por defecto dpmsolver++) — Tipo de algoritmo para el solver; puede ser dpmsolver++ o sde-dpmsolver++. El tipo dpmsolver++ implementa los algoritmos del artículo DPMSolver++. Se recomienda usar dpmsolver++ o sde-dpmsolver++ con solver_order=2 para muestreo guiado, como en Stable Diffusion.
• solver_type (str, por defecto midpoint) — Tipo de solver para el solver de segundo orden; puede ser midpoint o heun. El tipo de solver afecta ligeramente a la calidad de la muestra, especialmente con un número pequeño de pasos. Se recomienda usar solvers midpoint.
• lower_order_final (bool, por defecto True) — Si se deben usar solutores de orden inferior en los pasos finales. Solo es válido para < 15 pasos de inferencia. Esto puede estabilizar el muestreo de DPMSolver para pasos < 15, especialmente para pasos <= 10.
• euler_at_final (bool, por defecto False) — Si se debe utilizar el método de Euler en el paso final. Es un equilibrio entre la estabilidad numérica y la riqueza de detalle. Esto puede estabilizar el muestreo de la variante SDE de DPMSolver para un número pequeño de pasos de inferencia, pero a veces puede resultar en un desenfoque.
• final_sigmas_type (str, por defecto "zero") — El valor final de sigma para el plan de ruido durante el proceso de muestreo. Si es "sigma_min", el sigma final es el mismo que el último sigma del plan de entrenamiento. Si es zero, el sigma final se establece en 0.

Parámetros

• prev_sample (torch.Tensor de forma (batch_size, num_channels, height, width) para imágenes) — Muestra calculada (x_{t-1}) del paso de tiempo anterior. prev_sample debe usarse como entrada del modelo en el bucle de desruido.