본문으로 건너뛰기

트렌딩 - GitHub 인기 레포 & HuggingFace 모델

Zlikwid/LTX_2.3_Upscale_IC_Lora

영상 업스케일(사전 bicubic 보간 후 LTX 2.3을 통한 생성적 정제·디테일 향상)

LTX 2.3 기반 LoRA로, bicubic으로 사전 업스케일한 비디오를 두번째 생성적 패스로 정제해 더 깨끗하고 상세한 결과를 얻도록 설계되었다.

학습 방식 · LTX 2.3을 기반으로 LoRA 방식으로 학습된 세컨드 패스용 생성적 정제 체크포인트이며, 특화된 학습 데이터에 대한 언급은 README에 없다.

TL;DR

이 리포지토리는 LTX 2.3에 적용되는 LoRA 체크포인트로, 저해상도 또는 소프트한 비디오를 두번째 패스로 생성적으로 정제해 더 깨끗하고 상세한 결과를 얻도록 설계되었다. 핵심 아이디어는 입력 비디오를 먼저 bicubic으로 원하는 해상도로 업스케일한 뒤 그 업스케일된 영상을 LTX 2.3에 이 LoRA를 적용해 처리하는 워크플로다. LoRA는 전통적 업스케일러가 아니라 생성적 정제 방식으로 동작하므로 모델이 새 텍스처나 디테일을 생성할 수 있다. README는 'upscale'이라는 단일 프롬프트를 사용하도록 지정하며, 결과는 denoise/strength, 프레임 수, 원본 품질과 같은 파라미터에 따라 달라진다고 명시했다. 주요 체크포인트 파일명은 ltx2.3_upscale_ic-lora_06250.safetensors이며 비교용 가중치는 'Other Weights/' 폴더에 제공되어 실험용으로 활용할 수 있다. 따라서 이 LoRA는 기존 LTX 2.3 파이프라인에 손쉽게 통합해 두번째 패스에서 시각적 디테일을 보강하는 용도로 사용될 수 있으나, 출력이 생성적 성격을 띠므로 원본 보존성·일관성은 워크플로 설정에 크게 의존한다.

핵심 포인트

  • 단순 해상도 보간이 아니라 LTX 2.3에 적용되는 생성적 정제(Generative Refinement) LoRA라는 점
  • 사용자 워크플로에 'bicubic 선업스케일 → LTX 2.3 두번째 패스'를 명시해 사전 보간을 전제로 설계된 점
  • 프롬프트 'upscale'로 동작을 호출하는 단일 프롬프트 기반 제어 방식을 채택한 점
  • 주요 체크포인트와 여러 비교용 가중치를 함께 제공해 실험 비교가 가능하다는 점

42

LIKES

0

DOWNLOADS

1 / 0

조회수

관련 토론

아직 관련 토론이 없습니다.

댓글

댓글을 작성하려면 로그인이 필요합니다.