pablodawson/MiniMax-H3-360-Orbit-LoRA · Hugging Face

来源：https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA

https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA#minimax-h3-360%C2%B0-orbit-lora-firstlast-frameMiniMax-H3 360° 轨道环绕 LoRA（首帧–末帧）

一个针对 MiniMax-H3 (https://huggingface.co/MiniMaxAI/MiniMax-H3)（FL2VA 变体）的 LoRA，可将单张照片转换为冻结时间的 360° 相机环绕镜头，并且恰好回到起始的原始帧。

由该 LoRA 从单张照片生成的四个 360° 环绕镜头

把同一张图片同时作为第一个和最后一个关键帧提供给模型，LoRA 会让相机围绕主体环绕一整圈，而场景保持完全冻结。视频会收回到自己的第一帧，因此环绕片段可以首尾串联或拼接成更长的镜头，且不会出现可见的接缝。

https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA#resultsResults

每组对比展示了相同输入在相同种子、提示词、分辨率和步数下的三次渲染：

左中右仅使用首帧的基础模型基础模型，首帧 + 末帧基础模型 + 本 LoRA，首帧 + 末帧 skate：仅首帧 vs 首末帧 vs LoRA 首末帧

man2：仅首帧 vs 首末帧 vs LoRA 首末帧

girl2：仅首帧 vs 首末帧 vs LoRA 首末帧

man：仅首帧 vs 首末帧 vs LoRA 首末帧

预览图是缩小尺寸的动画 WebP。全分辨率 MP4：对比视频skate (https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA/blob/main/media/skate_comparison.mp4)·man2 (https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA/blob/main/media/man2_comparison.mp4)·girl2 (https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA/blob/main/media/girl2_comparison.mp4)·man (https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA/blob/main/media/man_comparison.mp4)；仅使用 LoRA 的片段skate (https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA/blob/main/media/skate_lora.mp4)·man2 (https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA/blob/main/media/man2_lora.mp4)·girl2 (https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA/blob/main/media/girl2_lora.mp4)·man (https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA/blob/main/media/man_lora.mp4)。

https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA#about-the-comparisons关于对比

• **基础模型，首帧 + 末帧：**当两个关键帧是同一张图片时，基础模型会把片段当作静态画面处理，几乎不移动。
• **基础模型，仅使用首帧：**相机虽然会移动，但会逐渐漂移，且永远不会回到起始视角。
• **加上 LoRA 后：**相机会走完整个环绕路径并回到起始帧，运动平滑且没有剪辑点。

https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA#why-this-lora为什么选择这个 LoRA？

参考图生成视频（Ref2VA）会把输入图片当作宽松的外观参考，因此片段不会收回到一个已知的帧上，也就无法干净地拼接。首末帧生成（FL2VA）能固定两端，但在默认情况下，当两端是同一张图片时画面会冻结。这个 LoRA 教会模型一个真实且几何一致的环绕路径，而推理时 FL2VA 的关键帧固定机制则保证两端完全精确。

https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA#promptPrompt

请逐字使用以下提示词。

一个冻结的瞬间。只有相机在移动。在一个连续的 360° 环绕中。在整个镜头中，保留每个人和物体在世界坐标中的位置、朝向、形状和姿态完全不变。空中物体保持在被捕捉时的高度和角度上：不摇晃、不抖动、不旋转、不漂移、不下落、不继续动作。保持面部、手部、液体和背景静止，同时保留其自然外观。视差是唯一看起来在动的来源。无剪辑、无缩放、无形变、无新增物体。

https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA#recommended-settings推荐设置

设置值基础权重MiniMax-H3 FL2VA，剪枝版（Comfy-Org/MiniMax-H3 (https://huggingface.co/Comfy-Org/MiniMax-H3)，int8 ConvRot 重打包）关键帧第一帧和末帧使用同一张图片，以实现完整的 360° 循环分辨率768 × 768帧数73（24 fps 下约 3 秒）步数28引导无。MiniMax-H3 经过引导蒸馏，因此没有 CFG 或负面提示词LoRA 强度1.0音频关闭

https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA#usageUsage

这些权重使用 ostris/ai-toolkit (https://github.com/ostris/ai-toolkit) 及其 minimax\_h3 模型扩展训练和测试。键名使用 ComfyUI 命名规范（diffusion\_model\.\*）。

https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA#training-details训练详情

https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA#dataData

从互联网上人工筛选的高质量**人体高斯溅射（Gaussian splat）**数据，并为每一个渲染了环绕视频。由于这些溅射是静态 3D 场景，每一帧在构造上就是几何一致的。该数据集精确展示了 LoRA 应该学习的运动：相机在动，其他一切不动。

片段数量28 个环绕渲染片段格式768 × 768，73 帧，24 fps提示词每个片段都使用上面那条提示词；提示词丢弃率 0.05音频无

https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA#hyperparametersHyperparameters

训练器ostris/ai-toolkit，架构 minimax\_h3，分区 fl2va\_pruned基础模型MiniMax-H3 FL2VA 剪枝版，int8 ConvRot（convrot8）；文本编码器为 nvfp4 格式的 Qwen3-VL-32B训练适配器ostris/minimax_h3_training_adapter (https://huggingface.co/ostris/minimax_h3_training_adapter) v1，仅在训练时激活，推理时不需要条件输入每个片段的第一帧作为关键帧（i2v）LoRAlora rank 16，alpha 16，除 adaln\_proj 外的所有 transformer 线性层（共 208 个模块）步数3000（约 107 个 epoch）批大小1，无梯度累积优化器AdamW 8-bit，学习率 1e-4，权重衰减 1e-4精度bf16，梯度检查点噪声调度flow matching，时间步偏移损失MSE，引导损失目标 3.5分辨率桶512，768硬件1 × NVIDIA A100 80 GB，10 小时 24 分钟（约每步 12.5 秒）

https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA#limitations局限性

• **适用范围较窄。**训练数据为 28 个人体中心的方形片段，每段 73 帧。其他主体、宽高比和片段长度尚未测试。
• 仍可能出现细微的运动，如眨眼等。

https://huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA#author作者

Pablo Dawson