MinimaxH3 视频防拖影：整段 2x 时间上采样工作流实测
Inner-Reflections · reddit · 2026-10-01
Reddit 用户 Inner-Reflections 分享了一套针对 MiniMax H3（及通用视频模型）的简单时间上采样（temporal upscaling）工作流，用于解决高运动场景的模糊/拖影问题。
核心思路：与其用像素上采样再重扩散（效果有限），或像 MAINodes 那样只挑部分帧处理，不如把整段视频「derope」——统一做 2x 时间上采样后整体重扩散。优点是细节运动一致性更好、denoise 可精细调节、简单 2x 即可获得不错结果；代价是扩散量翻倍，需要配合 low-step LoRA 和 sol attention 提速（视频越长 sol 收益越大）。
实操要点：
- 工作流基于原生 ComfyUI，仅用 Kijai 节点包和 VHS Suite，外加一个音频减速节点
- 底片 0.5 MP / 20 steps 先选种子，再 2x 时间上采样并放大到 1 MP
- 上采样 denoise 按视频长度调：0.45 是好起点，0.3–0.6 均可；过高反而加速变糊
- 背景出现形变时对 base 关掉 sol attention
- 动作仍太快可做 3x/4x 上采样
工作流已发布在 Civitai。
「多模态」频道最新
- 艺术家用神经细胞自动机+Gemini 天气系统打造数字生态 nom nom — zzznah · 2026-10-01
- Stanford NLP 推出 UniEvo-VL：自蒸馏训练让多模态模型自我进化 — stanfordnlp · 2026-10-01
- 用户吐槽 Suno v6 表现太差,音乐生成口碑存疑 — hq4ai · 2026-10-01
- 循环复用 Transformer 块：260M 小模型以 4.9 倍低算力胜过 6.5 倍大模型 — arankomatsuzaki · 2026-10-01
- Runway 峰会放出神秘项目 Continuum 抢先预览 — c_valenzuelab · 2026-10-01
- Viggle Turbo v0.3 发布：Qwen 图像 6 步更干净，新增 9 步模式修小字 — init-5 · 2026-10-01