H3 Person Remover LoRA：从视频中删除人物

选自包含八个示例的展示：原始片段、绿色遮罩、重建后的背景。

作者的前后对比展示，以 1280 像素宽度重新编码。

该适配器能做什么，不能做什么

该 LoRA 不负责分割人物，也无法自行凭空生成干净的背景。SAM 3.1 会根据诸如 man in gray shirt 这样的文本描述提供跟踪遮罩，而你仍需提供视频首帧的干净版本，也就是已经移除该人物的版本，可以来自图像编辑器或图像编辑模型。接下来由窗口 reroll 工作流完成其余工作：输入带绿色遮罩的帧，H3 重新生成被遮盖的区域，重建后的边界帧则把连续内容带入下一个窗口。

默认移除提示词：

移除被绿色遮罩标记的人物并重建背景。保留视频的其余部分，包括其相机运动和帧时序。

窗口 reroll 的具体参数

该工作流是经过调优的，而非通用配置，记录下来的设置值得照搬：

无需 Turbo 或 VFX LoRA。工作流使用 17n + 5 形式的 H3 帧长度（22、39、56、73 ...），并建议从 22 帧开始，因为更长的窗口只会消耗更多内存，而不会自动改善结果。每次续接都使用已生成的边界帧作为下一个引用，并携带 18 帧的已生成视频和音频历史，relay 会移除重叠部分，并将结果裁剪回来源帧数。默认输出是静音的；若要保留配乐，可将「获取视频元素」中的原始音频连接到最终的「创建视频」节点。

输入依赖项有明确要求：24 fps 视频，宽和高可被 32 整除，最好是约五秒钟的短连续镜头。

训练记录

V1 是基于剪枝版 Ref2VA 模型的 rank-16 适配器，在最初的 250 次优化更新（静态五帧对与保留正则化）之后，又进行了 2,000 次优化更新训练。

混合阶段的训练池包含 128 个静态配对、来自 20 个场景的 80 个移动遮罩片段，以及六个保留片段。数据集卡片记录了构建、划分和审核状态，training/ 目录则包含配置、调度、模型哈希和运行时补丁。

局限性

Akatz Labs 直言了目前仍会失败的情况：

• H3 会重新生成整个场景，因此即使训练配对保留了遮罩之外的像素，未遮罩区域也并未与原始画面逐像素锁定。
• 被漏掉的手、发丝边缘、阴影、反射或被遮挡的身体部位可能会残留，而更大的遮罩会让模型编造更多背景。
• 质量不佳的干净首帧会一路影响到后续窗口，强烈的相机运动或硬切也会破坏连续性。
• reroll 某个窗口会改变其续接内容，因此重建后的后续部分也需要检查。
• 记录的数据集验收标记仍为 false：通过技术检查并不等同于每个示例都获得人工认可。

获取方式

该工作流需要当前版本的 ComfyUI，并具备原生 MiniMax H3 和 SAM 3.1 支持，同时需要将 H3-Person-Remover-V1.safetensors 放入 models/loras/。发布的工作流固定了 H3 ref2va 剪枝版 INT8 ConvRot transformer、NVFP4 Qwen3VL 文本编码器、H3 视频与音频 VAE，以及 SAM 3.1 multiplex；此前的验证在 RTX 4090 搭配 ComfyUI 0.37.0 上运行，作者称这是一套经过测试的配置，而非最低规格要求。H3 Relay 提供了工作流所使用的窗口预览和 reroll 控件。