【LTX-2.3 VBVR LoRA - 视频推理】

在 VBVR（视频推理基准）数据集上对 LTX-2.3 22B 模型进行 LoRA 微调得到的权重。

【训练数据】

为确保训练质量，我们对官方数据集中的全部 1,000,000 个视频进行了预处理，并在训练过程中随机采样以保持数据多样性。我们采用官方参数设置，batch_size=16 且 rank=32，以防止因 rank 过大而导致灾难性遗忘。

VBVR 数据集包含 200 种推理任务类别，每类任务约有 5,000 个变体，总计约 100 万条视频。主要任务类型包括：

物体轨迹：物体移动至目标位置
物理推理：滚动球体、碰撞、重力
因果关系：条件触发、连锁反应
空间关系：相对位置、路径规划

【模型详情】
基础模型：ltx-2.3-22b-dev
训练方法：LoRA 微调
LoRA：Rank32
有效批大小：16
混合精度：BF16


【LoRA 能力】

该 LoRA 适配器增强了基础 LTX-2 模型在生产级视频生成工作流中的能力：

增强的复杂提示理解能力：能够准确解析包含多对象、多条件、详细空间描述和时间序列的提示，在生产场景中减少提示误读。

改进的运动动态效果：生成平滑且符合物理规律的物体运动，具有自然的加速、减速和轨迹曲线，避免机械或不自然的运动模式。

时间一致性：在整个视频序列中保持物体外观、光照和场景连贯性，减少生成视频中常见的闪烁和帧间伪影。

精确的时间控制：可根据提示语义，精准控制动作持续时间、节奏以及多个运动元素之间的同步。

多物体交互：能够处理多个物体同时交互的复杂场景，包括碰撞、跟随、避让和协同运动。

摄像机与构图稳定性：在整个序列中保持一致的摄像机视角和画面构图，避免不必要的镜头抖动或意外的视角变化。

【训练配置】

配置项 值
学习率 1e-4
调度器 Cosine
梯度累积 16 步
梯度裁剪 1.0
优化器 AdamW