LTX-2 VBVR LoRA - 视频推理

基于 VBVR（A Very Big Video Reasoning Suite，超大规模视频推理套件）数据集对 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 100 万条视频进行了预处理，并在训练过程中进行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、rank=32，以防止因 rank 过大而导致的灾难性遗忘。

VBVR 数据集包含 100 个推理任务类别，每个任务约有 10,000 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：球体滚动、碰撞、重力作用
• 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

待办清单

数据集发布计划

LoRA 功能

此 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表现：

• 复杂提示理解能力增强：准确解读包含多物体、多条件的提示，以及详细的空间描述和时间序列，减少生产场景中的提示误解问题。

• 运动动态效果提升：生成平滑且符合物理规律的物体运动，具备自然的加速、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、光照和场景的连贯性，减少生成视频中常见的闪烁和帧间伪影。

• 精确时序控制：能够基于提示语义，对动作持续时间、节奏以及多个运动元素之间的同步进行精确控制。

• 多物体交互：处理包含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。

• 相机与构图稳定性：在整个序列中保持一致的相机视角和构图，避免不必要的相机抖动或意外的视角变化。

训练配置

视频演示

训练进度对比

数据集

本模型基于 video-reason.com 提供的 VBVR（Video Benchmark for Video Reasoning，视频推理视频基准）数据集进行训练。

联系方式

如有问题或建议，请在 Hugging Face 上提交 issue，或直接联系作者。