参数

• negative_prompt (str or List[str], optional) — 不引导图像生成的 prompt 或 prompts。当不使用 guidance 时忽略（即，如果 guidance_scale 小于 1 则忽略）。
• generator (torch.Generator, optional) — 用于使生成结果具有确定性的一个或一组 torch generator(s)。
• output_type (str, optional, defaults to "pil") — 生成图像的输出格式。在 PIL: PIL.Image.Image 或 np.array 之间选择。
• return_dict (bool, optional, defaults to True) — 是否返回 LEditsPPDiffusionPipelineOutput 而不是普通 tuple。
• editing_prompt (str or List[str], optional) — 用于引导图像生成的 prompt 或 prompts。图像通过设置 editing_prompt = None 来重建。prompt 的引导方向应通过 reverse_editing_direction 指定。
• editing_prompt_embeds (torch.Tensor>, optional) — 预先计算的 embeddings，用于引导图像生成。embedding 的引导方向应通过 reverse_editing_direction 指定。
• negative_prompt_embeds (torch.Tensor, optional) — 预生成的负面文本 embeddings。可用于轻松调整文本输入（prompt 权重）。如果未提供，则 negative_prompt_embeds 从 negative_prompt 输入参数生成。
• reverse_editing_direction (bool or List[bool], optional, defaults to False) — editing_prompt 中对应的 prompt 是应该增加还是减少。
• edit_guidance_scale (float or List[float], optional, defaults to 5) — 用于引导图像生成的 Guidance scale。如果作为列表提供，则值应与 editing_prompt 相对应。edit_guidance_scale 定义为 LEDITS++ 论文 等式 12 中的 s_e。
• edit_warmup_steps (float or List[float], optional, defaults to 10) — 不应用 guidance 的扩散步数（对于每个 prompt）。
• edit_cooldown_steps (float or List[float], optional, defaults to None) — 超过此扩散步数（对于每个 prompt）后将不再应用 guidance。
• edit_threshold (float or List[float], optional, defaults to 0.9) — guidance 的 masking 阈值。阈值应与修改的图像区域成比例。‘edit_threshold’ 定义为 LEDITS++ 论文 等式 12 中的 ‘λ’。
• user_mask (torch.Tensor, optional) — 用户提供的 mask，用于更好地控制编辑过程。当 LEDITS++ 的隐式 masks 不符合用户偏好时，这很有用。
• sem_guidance (List[torch.Tensor], optional) — 要在生成时应用的预生成 guidance 向量列表。列表的长度必须与 num_inference_steps 相对应。
• use_cross_attn_mask (bool, defaults to False) — 是否使用 cross-attention masks。当 use_intersect_mask 设置为 true 时，始终使用 Cross-attention masks。Cross-attention masks 定义为 LEDITS++ 论文 等式 12 中的 ‘M^1’。
• use_intersect_mask (bool, defaults to True) — masking 项是否计算为 cross-attention masks 和从噪声估计导出的 masks 的交集。Cross-attention mask 定义为 ‘M^1’，从噪声估计导出的 masks 定义为 LEDITS++ 论文 等式 12 中的 ‘M^2’。
• attn_store_steps (List[int], 可选) — 在 AttentionStore 中存储注意力图的步骤。仅用于可视化目的。
• store_averaged_over_steps (bool, 默认为 True) — 是否将 'attn_store_steps' 的注意力图存储为在扩散步骤中平均的值。如果为 False，则分别存储每个步骤的注意力图。仅用于可视化目的。
• cross_attention_kwargs (dict, 可选) — 一个 kwargs 字典，如果指定，则会传递给 self.processor 中定义的 AttentionProcessor。
• guidance_rescale (float, 可选, 默认为 0.0) — 来自 Common Diffusion Noise Schedules and Sample Steps are Flawed 的 Guidance rescale 因子。当使用零终端 SNR 时，Guidance rescale 因子应修复过度曝光问题。
• clip_skip (int, 可选) — 从 CLIP 中跳过的层数，用于计算 prompt embeddings。值为 1 表示将使用倒数第二层的输出计算 prompt embeddings。
• callback_on_step_end (Callable, 可选) — 在推理期间，在每个去噪步骤结束时调用的函数。该函数使用以下参数调用：callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)。 callback_kwargs 将包含 callback_on_step_end_tensor_inputs 指定的所有张量列表。
• callback_on_step_end_tensor_inputs (List, 可选) — callback_on_step_end 函数的张量输入列表。列表中指定的张量将作为 callback_kwargs 参数传递。您将只能包含管道类的 ._callback_tensor_inputs 属性中列出的变量。

LEditsPPDiffusionPipelineOutput 如果 return_dict 为 True，否则为 tuple。当返回元组时，第一个元素是包含生成图像的列表，第二个元素是 bool 列表，表示根据 safety_checker，相应的生成图像是否可能代表“不适合工作场所”（nsfw）的内容。

参数

• image (PipelineImageInput) — 要编辑的图像的输入。多个输入图像必须默认具有相同的宽高比。
• source_prompt (str, 默认为 "") — 描述输入图像的 prompt，将在反演期间用于引导。如果 source_prompt 为 ""，则禁用引导。
• source_guidance_scale (float, 默认为 3.5) — 反演期间引导的强度。
• num_inversion_steps (int, 默认为 30) — 丢弃初始 skip 步骤后执行的总反演步骤数。
• skip (float, 默认为 0.15) — 将被忽略以进行反演和后续生成的初始步骤部分。较低的值将导致对输入图像的更强烈的更改。 skip 必须介于 0 和 1 之间。
• generator (torch.Generator, 可选) — 用于使反演具有确定性的 torch.Generator。
• cross_attention_kwargs (dict, 可选) — 一个 kwargs 字典，如果指定，则会传递给 self.processor 中定义的 AttentionProcessor。
• clip_skip (int, 可选) — 从 CLIP 中跳过的层数，用于计算 prompt embeddings。值为 1 表示将使用倒数第二层的输出计算 prompt embeddings。
• height (int, 可选, 默认为 None) — 预处理图像的高度。如果为 None，将使用 get_default_height_width() 获取默认高度。
• width (int, 可选，默认为 None) — 预处理后的宽度。如果为 None，将使用 get_default_height_width() 获取默认宽度。
• resize_mode (str, 可选, 默认为 default) — 调整大小模式，可以是 default 或 fill 之一。如果为 default，则会调整图像大小以适应指定的宽度和高度，并且可能无法保持原始宽高比。如果为 fill，则会调整图像大小以适应指定的宽度和高度，保持宽高比，然后在尺寸内居中图像，用图像数据填充空白。如果为 crop，则会调整图像大小以适应指定的宽度和高度，保持宽高比，然后在尺寸内居中图像，裁剪多余部分。请注意，resize_mode fill 和 crop 仅支持 PIL 图像输入。
• crops_coords (List[Tuple[int, int, int, int]], 可选, 默认为 None) — 批次中每个图像的裁剪坐标。如果为 None，则不会裁剪图像。

输出将包含调整大小后的输入图像和相应的 VAE 重建。

参数

• num_images_per_prompt (int) — 每个 prompt 应生成的图像数量
• enable_edit_guidance (bool) — 是否执行任何编辑或改为重建输入图像
• negative_prompt (str 或 List[str], 可选) — 不用于引导图像生成的提示或提示列表。如果未定义，则必须传递 negative_prompt_embeds。当不使用引导时忽略（即，如果 guidance_scale 小于 1，则忽略）。
• editing_prompt (str 或 List[str], 可选) — 要编码的编辑提示。如果未定义，则必须传递 editing_prompt_embeds。
• editing_prompt_embeds (torch.Tensor, 可选) — 预生成的文本嵌入。 可用于轻松调整文本输入，例如 提示权重。 如果未提供，将从 prompt 输入参数生成文本嵌入。
• negative_prompt_embeds (torch.Tensor, 可选) — 预生成的负面文本嵌入。 可用于轻松调整文本输入，例如 提示权重。 如果未提供，将从 negative_prompt 输入参数生成 negative_prompt_embeds。
• lora_scale (float, 可选) — 如果加载了 LoRA 层，则将应用于文本编码器所有 LoRA 层的 LoRA 比例。
• clip_skip (int, 可选) — 在计算提示嵌入时，要从 CLIP 跳过的层数。 值 1 表示预最终层的输出将用于计算提示嵌入。

参数

• denoising_end (float, 可选) — 如果指定，则确定在有意提前终止之前要完成的总去噪过程的比例（介于 0.0 和 1.0 之间）。因此，返回的样本仍将保留大量噪声，具体取决于调度程序选择的离散时间步长。当此pipeline构成“去噪器混合”多pipeline设置的一部分时，理想情况下应使用 denoising_end 参数，如 [**Refining the Image
• negative_prompt (str 或 List[str], 可选) — 不用于引导图像生成的提示或提示列表。如果未定义，则必须传递 negative_prompt_embeds。当不使用引导时忽略（即，如果 guidance_scale 小于 1，则忽略）。
• negative_prompt_2 (str 或 List[str], 可选) — 不用于引导图像生成的提示或提示列表，这些提示将发送到 tokenizer_2 和 text_encoder_2。如果未定义，则在两个文本编码器中都使用 negative_prompt
• negative_prompt_embeds (torch.Tensor, 可选) — 预生成的负面文本嵌入。可用于轻松调整文本输入，例如 提示权重。如果未提供，则将从 negative_prompt 输入参数生成 negative_prompt_embeds。
• negative_pooled_prompt_embeds (torch.Tensor, 可选) — 预生成的负面池化文本嵌入。可用于轻松调整文本输入，例如 提示权重。如果未提供，则将从 negative_prompt 输入参数生成池化的 negative_prompt_embeds。 ip_adapter_image — (PipelineImageInput, 可选): 与 IP 适配器一起使用的可选图像输入。
• output_type (str, 可选, 默认为 "pil") — 生成图像的输出格式。在 PIL: PIL.Image.Image 或 np.array 之间选择。
• return_dict (bool, 可选, 默认为 True) — 是否返回 ~pipelines.stable_diffusion_xl.StableDiffusionXLPipelineOutput 而不是普通元组。
• callback (Callable, 可选) — 一个函数，将在推理期间每 callback_steps 步调用一次。该函数将使用以下参数调用：callback(step: int, timestep: int, latents: torch.Tensor)。
• callback_steps (int, 可选, 默认为 1) — 调用 callback 函数的频率。如果未指定，则将在每一步调用回调。
• cross_attention_kwargs (dict, 可选) — 一个 kwargs 字典，如果指定，则会传递给 AttentionProcessor，如 diffusers.models.attention_processor 中 self.processor 下定义的那样。
• guidance_rescale (float, 可选, 默认为 0.7) — 由 Common Diffusion Noise Schedules and Sample Steps are Flawed 提出的 Guidance rescale 因子。guidance_scale 在 Common Diffusion Noise Schedules and Sample Steps are Flawed 的公式 16 中定义为 φ。 Guidance rescale 因子应修复使用零终端 SNR 时的过度曝光。
• crops_coords_top_left (Tuple[int], 可选, 默认为 (0, 0)) — crops_coords_top_left 可用于生成看起来像是从 crops_coords_top_left 位置向下“裁剪”的图像。通常通过将 crops_coords_top_left 设置为 (0, 0) 来获得良好居中的图像。SDXL 微调的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 节中所述。
• target_size (Tuple[int], 可选, 默认为 (1024, 1024)) — 在大多数情况下，target_size 应设置为生成图像的所需高度和宽度。如果未指定，则默认为 (width, height)。SDXL 微调的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 节中所述。
• editing_prompt (str 或 List[str], 可选) — 用于引导图像生成的提示或提示列表。通过设置 editing_prompt = None 来重建图像。提示的引导方向应通过 reverse_editing_direction 指定。
• editing_prompt_embeddings (torch.Tensor, 可选) — 预生成的编辑文本嵌入。可用于轻松调整文本输入，例如 提示权重。如果未提供，则将从 editing_prompt 输入参数生成 editing_prompt_embeddings。
• editing_pooled_prompt_embeddings (torch.Tensor, 可选) — 预生成的池化编辑文本嵌入。可用于轻松调整文本输入，例如 提示权重。如果未提供，则将从 editing_prompt 输入参数生成 editing_prompt_embeddings。
• reverse_editing_direction (bool 或 List[bool], 可选, 默认为 False) — editing_prompt 中对应的提示是应该增加还是减少。
• edit_guidance_scale (float 或 List[float], 可选, 默认为 5) — 用于引导图像生成的 Guidance scale。如果作为列表提供，则值应对应于 editing_prompt。edit_guidance_scale 定义为 LEDITS++ Paper 公式 12 中的 s_e。
• edit_warmup_steps (float 或 List[float], 可选, 默认为 10) — 不应用 guidance 的扩散步骤数（对于每个提示）。
• edit_cooldown_steps (float 或 List[float], 可选, 默认为 None) — 不再应用 guidance 的扩散步骤数（对于每个提示）。
• edit_threshold (float 或 List[float], 可选, 默认为 0.9) — guidance 的 masking 阈值。阈值应与修改的图像区域成比例。“edit_threshold”定义为 LEDITS++ Paper 公式 12 中的 ‘λ’。
• sem_guidance (List[torch.Tensor], 可选) — 在生成时应用的预生成 guidance 向量列表。列表的长度必须与 num_inference_steps 相对应。 use_cross_attn_mask — 是否使用 cross-attention masks。当 use_intersect_mask 设置为 true 时，始终使用 cross-attention masks。Cross-attention masks 定义为 LEDITS++ paper 公式 12 中的 ‘M^1’。 use_intersect_mask — masking 项是否计算为 cross-attention masks 和从噪声估计中导出的 masks 的交集。Cross-attention mask 定义为 ‘M^1’，从噪声估计中导出的 masks 定义为 LEDITS++ paper 公式 12 中的 ‘M^2’。 user_mask — 用户提供的 mask，用于更好地控制编辑过程。当 LEDITS++ 的隐式 masks 不符合用户偏好时，这很有用。 attn_store_steps — 在 AttentionStore 中存储 attention maps 的步骤。仅用于可视化目的。 store_averaged_over_steps — ‘attn_store_steps’ 的 attention maps 是否存储为在扩散步骤中平均的值。如果为 False，则每个步骤的 attention maps 将单独存储。仅用于可视化目的。
• clip_skip (int, 可选) — 在计算提示嵌入时要从 CLIP 跳过的层数。值为 1 表示预最终层的输出将用于计算提示嵌入。
• callback_on_step_end (Callable, 可选) — 一个函数，在推理期间的每个去噪步骤结束时调用。该函数使用以下参数调用：callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)。callback_kwargs 将包含 callback_on_step_end_tensor_inputs 指定的所有张量列表。
• callback_on_step_end_tensor_inputs (List, 可选) — callback_on_step_end 函数的张量输入列表。列表中指定的张量将作为 callback_kwargs 参数传递。您将只能包含 pipeline 类的 ._callback_tensor_inputs 属性中列出的变量。

LEditsPPDiffusionPipelineOutput 如果 return_dict 为 True，否则为 `tuple`。当返回元组时，第一个元素是包含生成图像的列表。

参数

• image (PipelineImageInput) — 要编辑的图像的输入。多个输入图像必须默认具有相同的宽高比。
• source_prompt (str, defaults to "") — 描述输入图像的提示词，将在反演过程中用作引导。如果 source_prompt 为 ""，则禁用引导。
• source_guidance_scale (float, defaults to 3.5) — 反演过程中引导的强度。
• negative_prompt (str 或 List[str], 可选) — 不引导图像生成的提示或提示列表。如果未定义，则必须传递 negative_prompt_embeds 来代替。当不使用引导时会被忽略（即，如果 guidance_scale 小于 1 则会被忽略）。
• negative_prompt_2 (str 或 List[str], 可选) — 不引导图像生成的提示或提示列表，将被发送到 tokenizer_2 和 text_encoder_2。如果未定义，则 negative_prompt 将用于两个文本编码器。
• num_inversion_steps (int, defaults to 50) — 丢弃初始 skip 步数后执行的总反演步数。
• skip (float, defaults to 0.15) — 将为反演和后续生成忽略的初始步骤的比例。较低的值将导致对输入图像的更强烈的更改。skip 必须介于 0 和 1 之间。
• generator (torch.Generator, 可选) — 用于使反演具有确定性的 torch.Generator。
• crops_coords_top_left (Tuple[int], 可选, defaults to (0, 0)) — crops_coords_top_left 可用于生成看起来像是从 crops_coords_top_left 位置向下“裁剪”的图像。通常通过将 crops_coords_top_left 设置为 (0, 0) 来获得有利的、居中良好的图像。这是 SDXL 微调的一部分，如 https://huggingface.co/papers/2307.01952 的 2.2 节中所述。
• num_zero_noise_steps (int, defaults to 3) — 最终扩散步骤的数量，这些步骤将不会重新对当前图像进行去噪。如果没有将任何步骤设置为零，SD-XL 与 DPMSolverMultistepScheduler 结合使用会产生噪点伪影。
• cross_attention_kwargs (dict, 可选) — 一个 kwargs 字典，如果指定，则会作为 self.processor 下定义的 AttentionProcessor 的参数传递，定义在 diffusers.models.attention_processor 中。

输出将包含调整大小后的输入图像和相应的 VAE 重建。

参数

• num_images_per_prompt (int) — 每个提示应生成的图像数量
• negative_prompt (str 或 List[str], 可选) — 不引导图像生成的提示或提示列表。如果未定义，则必须传递 negative_prompt_embeds 来代替。
• negative_prompt_2 (str 或 List[str], 可选) — 不引导图像生成的提示或提示列表，将被发送到 tokenizer_2 和 text_encoder_2。如果未定义，则 negative_prompt 将用于两个文本编码器。
• negative_prompt_embeds (torch.Tensor, 可选) — 预生成的负面文本嵌入。可用于轻松调整文本输入，例如 提示词权重。如果未提供，则将从 negative_prompt 输入参数生成 negative_prompt_embeds。
• negative_pooled_prompt_embeds (torch.Tensor, 可选) — 预生成的负面池化文本嵌入。可用于轻松调整文本输入，例如 提示词权重。如果未提供，则将从 negative_prompt 输入参数生成 pooled negative_prompt_embeds。
• lora_scale (float, 可选) — 如果加载了 LoRA 层，则将应用于文本编码器的所有 LoRA 层的 lora 缩放比例。
• clip_skip (int, 可选) — 从 CLIP 中跳过的层数，用于计算提示词嵌入。值为 1 表示预最终层的输出将用于计算提示词嵌入。
• enable_edit_guidance (bool) — 是否引导向编辑提示词。
• editing_prompt (str 或 List[str], 可选) — 要编码的编辑提示词。如果未定义且 ‘enable_edit_guidance’ 为 True，则必须传递 editing_prompt_embeds 来代替。
• editing_prompt_embeds (torch.Tensor, 可选) — 预生成的编辑文本嵌入。可用于轻松调整文本输入，例如 提示词权重。如果未提供且 ‘enable_edit_guidance’ 为 True，则将从 editing_prompt 输入参数生成 editing_prompt_embeds。
• editing_pooled_prompt_embeds (torch.Tensor, 可选) — 预生成的编辑池化文本嵌入。可用于轻松调整文本输入，例如 提示词权重。如果未提供，则将从 editing_prompt 输入参数生成 pooled editing_pooled_prompt_embeds。

参数

• w (torch.Tensor) — 生成具有指定引导尺度的嵌入向量，以随后丰富时间步嵌入。
• embedding_dim (int, 可选, 默认为 512) — 要生成的嵌入的维度。
• dtype (torch.dtype, 可选, 默认为 torch.float32) — 生成的嵌入的数据类型。

形状为 (len(w), embedding_dim) 的嵌入向量。