UNetTemporalAttentionMultiply 노드는 시간적 UNet 모델에서 다양한 유형의 어텐션 메커니즘에 곱셈 계수를 적용합니다. 이 노드는 자기 어텐션(self-attention)과 교차 어텐션(cross-attention) 레이어의 가중치를 조정하여 모델을 수정하며, 구조적 구성 요소와 시간적 구성 요소를 구분합니다. 이를 통해 각 어텐션 유형이 모델 출력에 미치는 영향을 세밀하게 조정할 수 있습니다.
입력
매개변수
설명
데이터 타입
필수
범위
모델
어텐션 승수로 수정할 입력 모델
MODEL
예
-
구조적 셀프
자기 어텐션 구조적 구성 요소의 승수 (기본값: 1.0)
FLOAT
아니요
0.0 - 10.0
시간적 셀프
자기 어텐션 시간적 구성 요소의 승수 (기본값: 1.0)
FLOAT
아니요
0.0 - 10.0
구조적 크로스
교차 어텐션 구조적 구성 요소의 승수 (기본값: 1.0)
FLOAT
아니요
0.0 - 10.0
시간적 크로스
교차 어텐션 시간적 구성 요소의 승수 (기본값: 1.0)
FLOAT
아니요
0.0 - 10.0
출력
출력 이름
설명
데이터 타입
모델
조정된 어텐션 가중치가 적용된 수정된 모델
MODEL
이 문서는 AI에 의해 생성되었습니다. 오류를 발견하거나 개선 제안이 있으시면 기여해 주세요! GitHub에서 편집