LTX-Best-Face-ID: ArcFace 손실 및 TASS-RoPE를 사용한 LTX-2용 신원 보존 참조-투-비디오 LoRA

Alisson Pereira(@Alissonerdx)가 LTX-Best-Face-ID를 출시했습니다. 이는 LTX-2(22B) 용 신원 보존 참조-투-비디오 LoRA입니다. 참조 사진과 텍스트 프롬프트를 제공하면 해당 인물의 신원을 유지하는 비디오를 생성합니다 — 단일 이미지로, 흰색 배경 없이도 가능합니다.

사진 한 장 + 텍스트 프롬프트 → 일관된 신원의 비디오. 특별한 배경 불필요.

출력 샘플

기능 설명

LTX-Best-Face-ID는 참조-투-비디오(ref_t2v) 생성을 수행합니다: 한 사람의 참조 이미지 → 동일한 사람이 설명된 동작을 수행하는 비디오. 신원은 세 가지 기술이 함께 작동하여 주입됩니다:

1. 오버랩 참조 조건화 — 참조 잠재 표현이 첫 번째 생성 프레임과 frame-0 그리드 위치를 공유
2. TASS-RoPE 소스 위상 태깅 — 고유한 회전 위치 인코딩 위상("소스 태그")으로 모델이 참조와 생성 콘텐츠를 구분
3. ArcFace 신원 손실 — 훈련 중 디코딩된 얼굴을 인식 공간의 참조 임베딩과 비교

결과: 흰색 배경이나 다중 시점 참조 시트 같은 일반적인 트릭 없이 신원 일관성 달성.

TASS-RoPE 작동 방식

기술적 혁신은 TASS-RoPE(Temporal-Adjacent Spatial-Shifted RoPE)로, Chen等人的 ST-DRC 논문(arXiv:2606.02441)에서 비롯되었습니다. 단순한 연결 대신, 참조 잠재 표현은 곱셈 RoPE 위상 태그를 받습니다:

phase[d] = source_id · phase_scale · θ^(−d/L)
대상 토큰: source_id = 0 (작업 없음)
참조 토큰: source_id = 2 (고유 회전 "태그")

이 "소스 태그"를 통해 어텐션 메커니즘이 시퀀스 내에서 누가 누구인지 구분할 수 있어 신원 전송이 크게 향상됩니다. 태그는 위치 기반이므로, 동일한 메커니즘으로 다중 참조(source_id 2, 3, 4...)를 우아하게 처리하여 다중 피사체 조건화가 가능합니다.

ComfyUI 사용법

컴패니언 BFS Nodes 필요: ComfyUI-BFSNodes

1. ComfyUI Manager를 통해 ComfyUI-BFSNodes 설치(의존성 자동 설치)
2. 평소처럼 LTX-2 체크포인트 + Gemma-3 텍스트 인코더 / CLIP 로드
3. LTX Identity Transfer(오버랩 + 소스 위상) 노드 추가, 참조 이미지 입력
4. MODEL 경로에 LTX-Best-Face-ID LoRA 로드
5. ref_t2v: 접두사가 있는 프롬프트 작성 후 큐

프롬프트 팁

• 항상 ref_t2v: 접두사 사용 — 모델이 이 형식으로 훈련됨
• 동작, 설정, 프레이밍, 카메라를 상세히 설명
• 신원 속성(피부톤, 머리카락, 눈, 수염, 안경) 설명 시 결과가 눈에 띄게 개선
• 포함된 워크플로우에는 Prompt Enhancer가 있어 Gemma-3를 사용해 신원 속성을 자동 보강

ref_t2v: 밝은 피부에 긴 다크브라운 헤어, 가느다란 직사각형 메탈
안경을 쓴 남성이 세탁실에서 옷을 개고 있다, 미디엄 와이드 샷.

최적의 참조 이미지

이 모델은 얼굴 중심 참조로 훈련됨:

• 클로즈업/버스트 크롭 — 대략 가슴 위, 얼굴이 크고 선명하게 보이는 상태
• 정면 또는 정면에 가까운(약간의 3/4 각도도 가능)
• 단일 피사체, 중앙
• 흰색 배경 불필요하지만 깨끗하고 밝은 크롭이 도움됨

훈련 세부사항

링크

• LTX-Best-Face-ID HuggingFace
• ComfyUI-BFSNodes(필수)
• Alissonerdx HuggingFace
• TASS-RoPE / ST-DRC 논문