Geiru Context Suite, 긴 MiniMax H3 체인을 선명하게 유지

작성자의 50개 클립 테스트에서 각 구간의 끝: 위는 Geiru 보호 적용, 아래는 보호 없이 같은 체인.

H3는 한 번의 패스에 약 5초를 렌더링하므로, 그보다 긴 영상은 클립의 연쇄가 됩니다. 각 새 클립은 이전 클립의 끝부분에서 시작하고, 그 복사 과정에서 손실된 디테일이 다시 앞으로 복사되기 때문에 체인이 길어질수록 색상과 질감이 바래집니다.

Geiru는 그 복구 작업을 샘플링 안으로 옮깁니다. 모든 샷은 아직 드리프트가 닿지 않은 단 하나의 프레임 쪽으로 다시 끌어당겨집니다.

모든 샷을 클립 1에 고정하기

Geiru Keystone은 클립 1의 프레임 0을 모든 샷의 시작에 기록하고, 클립 1의 끝부분에서 가져온 캡스톤(capstone)을 샷 뒤쪽에 덧붙일 수 있습니다. 클립 1의 프레임 0은 어떤 드리프트도 발생하기 전에 만들어진 유일한 프레임이며, H3가 가장 충실하게 따르는 프레임입니다.

Geiru Late Lock은 해당 latent가 어느 스텝에서 입력될지 결정하므로, 샷이 먼저 자체적인 포즈에 자리 잡고 캡스톤은 그 이후에만 샷을 되끌어당깁니다. Geiru Context Noise는 유지된 프레임에 샘플러 노이즈를 추가하여, H3가 연결 지점에서 이를 그대로 복사하지 않도록 합니다.

작성자는 클립 10의 끝에서 약 20프레임 전 지점의 10개 클립 체인을 측정했습니다. 클립 1 대비 색상 드리프트는 보호가 없을 때 6.4였고, 키스톤을 적용하면 3.9, 키스톤과 Late Lock을 함께 적용하면 2.9로 떨어졌으며 과도한 샤프닝도 줄었습니다.

렌더 0:05 지점	같은 렌더의 2:00 지점

아래 2분 렌더에서 가져온 두 프레임. 한 번의 실행, 컷 없음, 이어붙이기 없음.

네 개의 장면으로 구성된 5분 20초, 50개 클립 체인에서 보호가 없는 체인은 클립 20에서 이미 무너졌지만, 보호가 적용된 체인은 약간 어두워졌을 뿐 깨끗하게 유지되었습니다. 컷과 새 장면은 그 자체로 드리프트를 초기화하므로, 보호가 단일 전환인 이유이기도 합니다. 하나의 연속된 장면 안에서는 켜고, 컷 주변에서는 끕니다.

한 번의 렌더로 2분

Geiru Hybrid Windows는 클립 연결을 완전히 중단합니다. 전체 비디오를 겹치는 창으로 렌더링하므로 메모리는 창 하나 크기로 유지되며, 각 창에는 키스톤과 캡스톤이 반복됩니다. 이 접근 방식은 kijai의 병합된 H3 컨텍스트 창(ComfyUI PR #17425)과 JalenBrunson의 HybridWindows 팩에서 비롯되었으며, 둘 다 rolling-diffusion 방법을 따릅니다.

데모는 한 번의 렌더로 만든 2분 6초 길이의 1인칭 롤러코스터 영상입니다. 960x544 해상도에 3031 프레임, 226프레임짜리 창 16개(39프레임 겹침), 창마다 프롬프트 하나, 창마다 8스텝, 6스텝부터 캡스톤, 컨텍스트 노이즈 켜짐, 그리고 매 창이 끝날 때마다 저장하는 충돌 보호 기능을 사용했습니다.

한 번의 실행에서 그대로 나온 2분 전체 렌더: 컷 없음, 이어붙이기 없음.

두 번째 데모는 544x960 해상도의 토킹 포트레이트로 같은 길이를 구현합니다. Hybrid Windows 이후에 선택적으로 추가하는 Geiru Window Director 노드는 승인, 재생성(re-roll), 되감기, 블렌드를 통해 이런 렌더를 창 하나씩 만들어 갑니다.

설치 및 설정

ComfyUI 매니저에서 geiru-context-suite를 검색하거나 저장소를 복제하세요. GPL-3.0 라이선스이며 추가 모델 파일이 필요하지 않습니다. 다만 Keystone의 latent_folder 모드는 NikoDemon80의 ComfyUI-H3-Motion-Context 또는 seitanism의 MultiRef가 설치되어 있어야 하고, Hybrid Windows는 H3 컨텍스트 창 노드가 포함된 ComfyUI 빌드가 필요합니다.

다른 설정보다 중요한 두 가지가 있습니다. 클립 길이는 3의 배수여야 합니다: 141, 192, 243, 294 또는 345 프레임. H3의 오디오는 비디오 24프레임당 초당 40스텝으로 동작하므로, 다른 길이를 쓰면 유지되는 오디오가 1/3스텝씩 어긋나고 체인을 따라 사운드가 누적됩니다.

작성자의 권장 값은 Geiru Context에서 head_frames 39와 drop_last 17, Geiru Anchoring에서 tail_frames 56과 drop_first 17, Late Lock에서 swap_step 4(또는 전체 스텝 수의 마지막 4분의 1)입니다. 예제 체인은 저장소의 example_workflows/에 있습니다: 단순한 Motion Context 체인은 everyone_wants_a_piece_of_the_clown.json, 이음매를 잘라내고 10개 클립을 결합하는 예제는 sane_clown_combiner.json입니다.