LTX-2.3 22B IC-LoRA Outpaint

这是一个在LTX-2.3-22b基础上训练的Outpaint IC-LoRA，旨在通过在纯黑色标记区域生成新内容来扩展输入视频的画布。您可以使用它对视频的侧面、顶部、底部或任意组合区域进行外扩——模型会用与原始素材在视觉和时间上保持一致的内容填充黑色区域。

它基于LTX-2.3基础模型构建。

模型文件

ltx-2.3-22b-ic-lora-outpaint.safetensors

模型详情

• 基础模型： LTX-2.3-22b
• 训练类型： IC LoRA
• 用途： 外扩/扩展视频画布

工作原理

该模型训练时将纯黑色像素（RGB 0,0,0） 作为待生成区域的标记。在推理时，将源视频以黑边 letterbox 方式调整到目标画布大小，黑边所在的侧面/顶部/底部即为您想要扩展的区域，模型会在这些区域生成与场景一致的新内容。

🔌 在 ComfyUI 中使用

1. 将 LoRA 权重复制到 models/loras 目录。
2. 使用 LTX-2 ComfyUI 仓库 中的 IC-LoRA 工作流，您也可以使用 我的工作流。
3. 使用 LTXICLoRALoaderModelOnly 节点加载 LoRA。

⚠️ 深色场景：使用伽马校正技巧

由于模型将纯黑色作为“在此生成”的标记，非常暗的源素材（深阴影、夜景、水下场景等）可能会产生歧义：真正的填充黑边可能会被误判为合法的深色场景内容而不进行生成。

解决方法是简单的伽马往返校正：

1. 在将素材输入模型之前，对 letterbox 处理后的输入应用伽马 2.0（提亮）。真实的深色内容会提升到明显的有色区域，而纯黑色的黑边保持黑色——为模型提供明确的绘制位置信号。
2. 模型生成输出后，应用反向的伽马 0.5，将所有内容（原始中心区域 + 新生成区域）恢复到原始曝光度。

由于伽马 2.0 和 0.5 是精确的逆运算，这种往返校正在连续值上是数学无损的——唯一的损失与其他所有片段经历的 VAE 往返过程相同。

在 ComfyUI 中，Color Correct (mtb) 节点非常适合正向和反向伽马校正步骤。

许可协议

完整条款请参见 LTX-2-community-license。