Рабочие процессы LoRA с открытым исходным кодом на LTXV 2.3 продолжают обеспечивать практический надзор над Aleph с помощью целевого обучения в контексте.

Предыстория

Практик, который обучает IC (in-context) LoRAs на LTXV 2.3, поделился краткими наблюдениями о данных, параметрах и режимах обучения в социальных сетях.

Ключевые наблюдения

• Качество обучающих примеров важнее их простого количества; наборы из 10–15 тщательно подобранных пар могут давать хорошие результаты, когда цели точно определены.
• first_frame_conditioning — ключевой параметр, контролирующий степень влияния эталонного изображения, требующий аккуратной настройки для получения желаемых пиксельных эффектов.
• При создании универсальных IC-LoRAs низкая скорость обучения, например 5e-5 или ниже, в сочетании с большим числом шагов оптимизации помогает изменять только выбранные области входного видео.

Практические рекомендации

Сочетание first_frame_conditioning и ориентированных на стиль LoRA может улучшить результаты, но оптимальная настройка зависит от степени желаемой замены по сравнению с сохранением.

Для рабочих процессов, нацеленных на сохранение большей части исходного материала, практикам следует предпочитать более низкие значения first_frame_conditioning и более медленные скорости обучения, с большим количеством шагов обучения для уточнения изменений.