CarConsistency-Wan2.2-I2V-ConsistencyLoRA1

展示中的样本同时使用了高和低分辨率，并结合了lightning-low LoRA。

大家好，好久不见。最近一个月我一直在研究Wan2.2-I2V模型的LoRA创新功能，因此没有发布更多模型，深表歉意。如今终于取得了一些研究成果，现向大家介绍我 personally 称为“ConsistencyLoRA系列”的这一组Wan2.2-I2V LoRA。该系列LoRA的功能是：通过输入一张图像，利用Wan2.2-I2V模型直接生成与该图像高度一致的视频。

CarConsistency是该系列中的首个模型。该模型的目标是：通过输入一辆车辆的图像（最好为白底图）及提示词（例如：“the car is speeding on the moon/water/ice field, floating in the space...”），直接生成与输入车辆高度一致的视频（若图像为F1赛车，建议将提示词中的“the car”改为“The F1 car”）。从我亲自测试的十余张图像来看，CarConsistency能够很好地保持车辆的高度一致性，保留诸如法拉利SF25赛车车身上的广告、SU7 Ultra和方程豹SUV车牌上的中文文字、以及车辆上的装饰纹路等细节。建议在生成时使用“lightning-low”模型，速度更快，质量更稳定。

创建ConsistencyLoRA系列的目的是拓展I2V（图像到视频）模型的商业应用场景。ConsistencyLoRA在Wan Fun VACE和Wan Animate发布前已完成训练。与它们相比，ConsistencyLoRA存在一些不足：首先，生成的视频包含输入图像的前置帧，可通过帧裁剪去除（我已上传脚本CutFrame.ipynb以实现一键处理）；其次，生成结果有时会模糊。但ConsistencyLoRA也有其优势：1. 易用性与普适性：基于Wan I2V工作流，简洁方便，显存需求低，兼容其他基于I2V的LoRA；且由于针对特定任务训练，其在特定应用中稳定性强。2. 通过提示词快速生成：可借助提示词实现快速控制生成，例如在保持服装一致性时，通过提示词可生成不同种族、肤色、体型的模特穿着指定服装的视频。

整个流程——从LoRA概念构思、数据集处理、训练到超参数调优——均由我独立完成。由于受限于24G显存的4090 GPU，目前仅能使用[360, 360]的潜在空间进行训练，因此仍处于原型阶段。若效果不够理想，恳请各位理解与反馈，我会尽力改进。感谢您阅读至此。本模型若用于商业用途，需获得授权（希望能勉强覆盖训练电费，苦笑）。若您拥有更高显存的算力支持我进行实验（尝试更大潜在空间以解决模糊问题），或有意进行商业合作训练特定产品的LoRA，请在Civitai上私信我。若您愿意打赏支持我，可访问：https://ko-fi.com/ghostshell。谢谢！