Character petals dissipate

# 모델 설명 (Model Description)

이 LoRA 모델은 Wan2.2 비디오 생성 모델을 기반으로 학습되었으며, 20개의 비디오를 학습 데이터로 사용하여 총 2000스텝 학습되었습니다.

This LoRA model is trained on the Wan2.2 video generation model, using 20 videos as the dataset with a total of 2000 training steps.

# 베이스 모델 구분 (Base Model Separation)

Wan2.2 high noise 및 Wan2.2 low noise 두 가지 베이스 모델에 대해 각각 독립적인 LoRA 모델을 학습했습니다.

Separate LoRA models were trained for the Wan2.2 high noise and Wan2.2 low noise base models.

# 사용 권장사항 (Usage Recommendations)

- 추론 시 Lighting 가속을 사용하지 않는 것이 좋습니다. 이는 비디오 생성 품질에 심각한 영향을 미칩니다.

Lighting acceleration is not recommended during inference, as it significantly degrades video quality.

- 트리거 단어 외에도 프롬프트에 꽃잎 색상, 수량, 크기 등의 추가 제한 조건을 포함하여 더 안정적인 생성 결과를 얻을 수 있습니다.

Beyond the trigger words, you may add additional constraints in the prompt (e.g., petal color, amount, size) to achieve more controllable results.

# 적용 시나리오 (Applicable Scenarios)

- High noise LoRA: 동적 효과 및 극심한 변화(예: 캐릭터가 꽃잎으로 분해되거나 강력한 동작)에 더 적합합니다.

High noise LoRA: better suited for dynamic effects and drastic changes (e.g., character dissolving into petals, strong motions).

- Low noise LoRA: 세부 사항 유지 및 국소적 수정(예: 얼굴 구조, 의복 텍스처)에 더 적합합니다.

Low noise LoRA: better suited for detail preservation and localized edits (e.g., face structure, clothing textures).

# 프롬프트 확장 (Prompt Enhancements)

- 색상 제어: 예시 "빨간 꽃잎, 흰 꽃잎 없음"

Color control: e.g., "red petals, no white petals"

- 수량 및 크기: 예시 "수천 개의 작은 꽃잎, 고르게 분산됨"

Quantity & size: e.g., "thousands of tiny petals, evenly scattered"

- 동적 과정: 예시 "점차 꽃잎으로 분해되며, 바람에 떠다니는 꽃잎"

Dynamic process: e.g., "gradually dissolve into petals, petals drifting with wind"

- 환경 유지: 예시 "배경은 그대로 두고, 꽃잎은 주체에서만 생성됨"

Environment preservation: e.g., "background untouched, petals only from subject"