LTX-2.3 MSR V2: LoRA de referencia multi-sujeto recibe una importante mejora de calidad

LiconStudio ha lanzado la V2 de su LoRA de Referencia Multi-Sujeto (MSR) para LTX-2.3, que trae mejoras significativas en consistencia, estabilidad y lógica de escena basadas en los amplios comentarios de la comunidad sobre la V1.

Si bien la V1 ya era una solución popular para la generación de video con múltiples referencias (manteniendo hasta 5 sujetos de referencia en un solo video), la V2 aborda los puntos débiles más comunes reportados por los usuarios: desviación de identidad, artefactos visuales en composiciones complejas e interacciones no naturales entre sujetos.

Novedades en V2

La actualización se centra en tres áreas clave:

1. Consistencia mejorada

• Mejor preservación de la identidad del personaje, vestimenta, objetos y detalles de escena.
• Apariencia más consistente entre fotogramas.
• Mejor alineación entre múltiples imágenes de referencia y el video generado.
• Reducción de la desviación de identidad y pérdida de atributos de referencia.

2. Estabilidad mejorada

• Resultados más fiables en múltiples ejecuciones de muestreo.
• Reducción de artefactos visuales, parpadeos e inconsistencias temporales.
• Generación más estable en composiciones complejas con múltiples sujetos.
• Mejor manejo del movimiento y las interacciones entre sujetos.

3. Lógica de escena mejorada

• Mejor comprensión de las relaciones espaciales y de acción descritas en los prompts.
• Posicionamiento e interacción más naturales de los sujetos.
• Progresión temporal mejorada desde el inicio hasta el final de un video.
• Composición más coherente de personajes, objetos y fondos.

Cómo funciona MSR

A diferencia de los enfoques tradicionales de múltiples referencias que requieren ramas de codificación adicionales o módulos de fusión, MSR transforma múltiples imágenes de referencia estáticas en una secuencia de pseudo-video. Esta secuencia comparte el mismo espacio de representación que el video objetivo, lo que permite acceder a los tokens de referencia a través del mecanismo de autoatención existente del modelo, sin necesidad de componentes arquitectónicos adicionales.

El LoRA admite de 2 a 5 imágenes de referencia, cada una proporciona información semántica complementaria como identidad del sujeto, detalles de objetos, fondo de escena o múltiples puntos de vista.

Uso

El LoRA requiere el plugin de nodos personalizados ComfyUI-Licon-MSR, que se encarga de crear videos de referencia en MP4 con fotogramas fijos a partir de múltiples imágenes de sujetos. Se incluye un flujo de trabajo de ejemplo en los archivos del modelo para facilitar la experimentación.

Consejos para obtener los mejores resultados

• Usa descripciones concisas pero precisas de cada imagen de referencia: tanto las descripciones excesivas como las insuficientes pueden reducir la consistencia.
• Describe claramente el rol de cada sujeto, objeto o escena de referencia en el video objetivo.
• Para escenas de alto movimiento, se recomienda 50 fps para una coherencia de movimiento más suave.
• Las interacciones complejas entre múltiples sujetos pueden seguir beneficiándose de múltiples ejecuciones de muestreo.

Disponibilidad

La LoRA V2 está disponible en Hugging Face bajo la licencia Apache 2.0:

Modelo: LiconStudio/LTX-2.3-Multiple-Subject-Reference
Plugin: ComfyUI-Licon-MSR
Modelo base: Lightricks/LTX-2.3