LTX-2.3 MSR V2: Многосубъектная референсная LoRA получила крупное обновление качества

LiconStudio выпустила V2 своей многосубъектной референсной LoRA (MSR) для LTX-2.3, что принесло значительные улучшения в согласованности, стабильности и логике сцен на основе обширных отзывов сообщества от V1.

Хотя V1 уже был популярным решением для мульти-референсной генерации видео (отслеживая до 5 референсных субъектов в одном видео), V2 решает наиболее частые проблемы, о которых сообщали пользователи: дрейф идентичности, визуальные артефакты в сложных композициях и неестественные взаимодействия субъектов.

Что нового в V2

Обновление затрагивает три ключевые области:

1. Улучшенная согласованность

Лучшее сохранение идентичности персонажей, одежды, объектов и деталей сцены
Более согласованный внешний вид между кадрами
Улучшенное согласование между несколькими референсными изображениями и сгенерированным видео
Снижение дрейфа идентичности и потери референсных атрибутов

2. Улучшенная стабильность

Более надежные результаты при повторных запусках сэмплирования
Снижение визуальных артефактов, мерцания и временных несоответствий
Более стабильная генерация в сложных многосубъектных композициях
Улучшенная обработка движения и взаимодействий между субъектами

3. Улучшенная логика сцен

Лучшее понимание пространственных и действенных отношений, описанных в промптах
Более естественное позиционирование и взаимодействие субъектов
Улучшенная временная прогрессия от начала до конца видео
Более связная композиция персонажей, объектов и фонов

Как работает MSR

В отличие от традиционных мульти-референсных подходов, требующих дополнительных ветвей кодировщика или модулей слияния, MSR преобразует несколько статических референсных изображений в псевдо-видеопоследовательность. Эта последовательность использует то же пространство представления, что и целевое видео, позволяя обращаться к референсным токенам через существующий механизм самовнимания модели — без необходимости в дополнительных архитектурных компонентах.

LoRA поддерживает от 2 до 5 референсных изображений, каждое из которых предоставляет дополнительную семантическую информацию, такую как идентичность субъекта, детали объектов, фон сцены или несколько точек обзора.

Использование

LoRA требует пользовательского плагина узлов ComfyUI-Licon-MSR, который отвечает за создание фиксированных кадров MP4 референсных видео из нескольких изображений субъектов. Пример рабочего процесса включен в файлы модели для легкого экспериментирования.

Советы для лучших результатов

Используйте краткие, но точные описания каждого референсного изображения: как избыточные, так и недостаточные описания могут снизить согласованность.
Четко описывайте роль каждого референсного субъекта, объекта или сцены в целевом видео.
Для сцен с высокой динамикой рекомендуется 50 кадров в секунду для более плавной согласованности движения.
Сложные многосубъектные взаимодействия все еще могут выигрывать от нескольких запусков сэмплирования.

Доступность

V2 LoRA доступна на Hugging Face под лицензией Apache 2.0:

Модель: LiconStudio/LTX-2.3-Multiple-Subject-Reference
Плагин: ComfyUI-Licon-MSR
Базовая модель: Lightricks/LTX-2.3