비터블(Beckett)의 외모를 활용한 새로운 RefMod 유사성 '돌파구'가 H3 비디오 품질을 저하시키는 문제

위의 TL;DR 영상은 두 개의 레퍼런스(베케트의 정확한 외모를 강화하는 것 하나와 하이힐 사진, 2x2 그리드 이미지)를 사용하여 '클래식 Ref Mode'에서 RefMod를 포기하고 생성된 것입니다:

네이티브 해상도 1344x768 (0.98 메가픽셀)
15초 분량
표준 H3 시그마 (shift_video/shift_audio of 12:3)
seeds_2 (H3에 대한 내부 호출 2N-1)와 베타 스케줄러(.6, .6) 사용
Spectrum을 사용하여 약간의 정밀도 손실을 감수하고 내부 호출 수를 줄임.
총 생성 시간은 35분입니다.

이것은 눈에 잘 띄지 않는 문제입니다. 대부분의 사람들이 H3를 정상적으로 사용할 수 없기 때문이며, 터보 LoRA는 속도를 위해 기본 모델을 혹사시키므로, 대부분의 사용자는 이미 시그마가 크게 이동(네이티브 대비 6으로 이동)했기 때문에 눈에 띄는 품질 저하가 거의 없습니다.
어제 저는 갑자기 제 비디오들이 과도하게 샤프닝되고, 채도가 높고, 플라스틱 피부처럼 보이는 이유를 알아내려고 매우 심도 있는 실험을 했습니다. 몇 일 전만 해도 그 비디오들은 기반이 된 쇼처럼 생생한 모습이었거든요.
저는 샘플링과 스케줄링이 어떻게 작동하는지, Minimax H3의 디노이징 궤적이 어떤지 더 깊이 파고들었고, 마지막으로 사용했을 때 제가 잊어버린 무언가를 발견할 수 있기를 바랐습니다. 그러다가 문득 RefMod가 제가 가장 최근에 설치한 것이라는 사실을 떠올렸습니다. 저는 모두가 그랬던 것처럼 초기 유사성 개선 기능에 매료되었지만, 그 대가가 너무 높았습니다.
저는 멋진 새 장난감인 RefMod를 얻었고, 이의 개발자들은 캐릭터 레퍼런스 간의 번짐 현상(bleeding)을 해결했다고 주장했습니다. 심지어 작은 해상도(.245 mpx)에서도 뭉개지지 않고 얼굴이 식별될 수 있었기 때문에 이것이 첫 번째 경고 신호였어야 합니다. 이 기능은 기본 H3 모델의 품질을 정말 망가뜨립니다. 제가 더 깊이 조사해 보니, 근본적으로는 레퍼런스 이미지를 비디오 레퍼런스로 개별 프레임처럼 욱여넣고, 비디오를 순차적으로 거칠게 샘플링하는 매우 투박한 접근 방식입니다.

하지만 문서에 따르면 이 방식은 허용되지 않습니다:

이미지: ≤ 9개 이미지
비디오: ≤ 3 클립; 각 클립은 2–15초여야 하며, 총 길이는 ≤ 15초입니다.
오디오: ≤ 3 클립; 각 클립은 2–15초여야 하며, 총 길이는 ≤ 15초입니다.
혼합 입력: 모든 입력 유형에 걸친 파일의 최대 개수는 12개입니다.

프롬프트에서 네 개의 RefMod를 사용하려고 하는 순간, 이미 한 번에 허용되는 최대 개수보다 하나를 더 사용하려는 것입니다. 이는 이미지 품질에 치명적인 결과를 초래하는데, 왜냐하면 그렇게