MiniMax H3 샤프니스 LoRA: 비디오 디테일 복원

MiniMax H3를 위한 새로운 샤프니스 LoRA는 비디오 디테일 향상에 다른 방식을 택했습니다. 업스케일링 대신 동일 해상도 v2v 패스를 실행하여 흐릿하거나 과도하게 스무딩된 H3 출력에 선명하고 사실적인 디테일을 다시 더합니다. 이 LoRA minimax_h3_lms_v1.0_r64는 커뮤니티 트레이너 Alissonerdx가 Hugging Face에서 학습하고 공개했으며, 첫 며칠 만에 70개 이상의 좋아요와 1,300건 이상의 다운로드를 기록하며 H3 커뮤니티에서 가장 많이 논의되는 도구 중 하나가 되었습니다.

작동 방식: 참조 비디오가 아닌 가이드 잠재 데이터

랭크 64 LoRA는 모델의 네이티브 참조 비디오 노드가 아니라 가이드 잠재 데이터를 통해 소스 비디오에 조건화됩니다. 소스 클립은 VAE로 인코딩되어 대상 타임라인에 정렬된 조건화 블록으로서 트랜스포머 시퀀스에 패킹됩니다. 동일한 시간적 원점과 동일한 공간 그리드를 가지며, 참조 클럭을 진행시키지 않습니다. 이는 LTX의 비디오 LoRA에서 사용하는 것과 동일한 인컨텍스트(in-context) 구성이며, 모델이 픽셀 수준 대응 관계를 스스로 검색하게 하는 대신 직접 제공합니다.

실질적인 결과:

• 가이드는 거의 깨끗한 상태(약 0.1% 노이즈 증강)로 학습되는 반면 대상에는 일반적으로 노이즈가 추가되므로, 모델은 둘 다 디노이징하는 대신 소스-대상 매핑을 학습합니다
• 텍스트 인코더는 가이드를 전혀 보지 못하며 캡션만 봅니다
• 가이드와 대상은 동일한 해상도에서 유효한 클립 길이(17k + 5 프레임: 5, 22, 39, 56...)를 따라야 합니다
• 더 짧거나 크기가 다른 가이드는 정렬을 깨뜨립니다

ComfyUI에서는 ComfyUI 자체 H3 지원에 포함된 네이티브 MiniMaxH3AddGuide 노드(frame_idx = 0)를 사용하므로, 조건화 경로를 위해 추가로 설치할 것은 없습니다. 이 LoRA는 ref2va 변형을 위해 특별히 학습되었으며, 주로 이미 생성된 클립에 적용하는 두 번째 패스로 사용하도록 만들어졌지만 직접 생성에도 사용할 수 있습니다.

커뮤니티 결과

이 LoRA는 공개 전후로 Banodoco Discord에서 회자되었으며, 테스터들은 몇 가지 사용 관련 사항에 의견을 모았습니다:

• 업스케일러가 아닙니다. 샤프닝은 소스와 동일한 해상도에서 작동하므로 더 많은 픽셀이 필요하면 업스케일 워크플로와 함께 사용하세요
• 강도(strength)를 약 0.8로 두면 피부와 텍스처가 자연스럽게 유지되며, 두 패스 모두에서 1.0까지 올리면 지나치게 극단적으로 변합니다
• 학습이 가이드 잠재 데이터에 의존했기 때문에 작동하려면 Add Guide 노드가 필요합니다
• 다른 트레이너들의 교차 모델 테스트에 따르면, LTX 스타일 조건화를 사용한 디테일 패스로서 H3에서도 작동합니다

트레이너 NRDX의 두 번째 실험적 샤프니스 LoRA도 유사한 구성으로 만들어졌으며 강도 1에서 비슷한 수준의 극단적 샤프닝을 보여, 가이드 잠재 데이터 접근 방식이 이 작업 범주에서 효과가 있음을 확인시켜 주었습니다.

H3 샤프니스 LoRA 워크플로 다운로드

공식 워크플로는 가이드 입력을 위해 ostris/ComfyUI-AIToolkit-MiniMaxH3의 AIToolkitMiniMaxH3RefVideo를 연결합니다. 해당 커스텀 노드를 추가하고 싶지 않다면 Add Guide로 입력되는 아무 크기 조정 단계나 사용해도 됩니다. ostris 노드는 가이드 인코딩 전에 클립 크기를 조정할 뿐이기 때문입니다.

이용 가능 여부

• LoRA: Hugging Face의 Alissonerdx/Minimax-H3-ComfyUI, loras/minimax_h3_lms_v1.0_r64.safetensors (1.2 GB, Apache-2.0)
• 워크플로: 동일한 저장소의 workflows/ 아래에 포함됨
• 베이스 모델: Comfy-Org/MiniMax-H3 ComfyUI 가중치