MiniMax-H3-360-Orbit-LoRA 是一个基于 MiniMax-H3（FL2VA 首尾帧变体）的视频生成 LoRA，只需给模型同一张首帧和尾帧，就能让相机围绕主体完成完整的 360° 环绕运镜，而画面内容保持"时间冻结"状态，最后精准落回起始帧，实现无接缝循环。

核心问题：为什么首尾帧相同反而"不动"？

在深入原理前，先理解 FL2VA（First-Last-Frame to Video，首尾帧生成）的工作方式：

这正是 360° 环绕想要的场景：起点和终点必须是同一帧，视频才能循环拼接。但基础模型只会"原地发呆"。于是作者训练了这个 LoRA：让模型学会一种真正几何一致的环绕运动，同时借助 FL2VA 的关键帧锁定保证首尾两帧分毫不差。

原理拆解：用"静态 3D 场景"教相机怎么动

这个 LoRA 的关键设计在于训练数据的选择，详见 README.md：

• 数据源：手工精选的高质量人类 Gaussian Splatting（高斯泼溅）模型。因为 splat 本身就是静态 3D 场景，围绕它渲染出的环绕视频中，每一帧在几何上天然一致——只有相机在动，其他什么都不动
• 数据量：仅 28 条环绕渲染视频，768 × 768 分辨率、73 帧（24 fps 约 3 秒）
• 统一描述：所有训练视频共用同一条"冻结瞬间"提示词（caption dropout 0.05）

这套思路的巧妙之处在于：数据集本身就完美演示了 LoRA 需要学会的唯一运动模式——相机绕圈、场景冻结。模型不需要从杂乱的真实视频里"猜"相机运动，而是直接学习一个受控、可复现的几何运动。

效果对比：LoRA 到底修正了什么？

README.md 中每张三格对比图使用相同的输入、种子、提示词、分辨率和步数，变量只有"是否加载 LoRA"：

项目提供了四组完整对比（滑手、两名男性、一名女性）与四段仅含 LoRA 效果的纯视频，可在 media/ 目录下查看，例如完整分辨率对比视频 skate_comparison.mp4、LoRA 单条循环片段 skate_lora.mp4。

推荐参数配置速查表

推理时按以下参数即可获得稳定环绕效果（来自 README.md）：

⚠️ 提示词请逐字使用官方版本，它明确告诉模型"唯一允许的运动来源是相机视差"：

One frozen instant. Only the camera moves. In a continuous 360 orbit. Preserve every person and object in exactly the same world position, orientation, shape and pose throughout the shot. ... Camera parallax is the only source of apparent movement. No cuts, zoom, morphing or added objects.

完整提示词见 README.md。

模型文件与训练细节

• LoRA 权重：minimax_h3_flf2v_lora_v1.safetensors，键名采用 ComfyUI 命名（diffusion_model.*），与 ostris/ai-toolkit 的minimax_h3模型扩展配套使用
• LoRA 配置：rank 16 / alpha 16，覆盖除adaln_proj外的全部 208 个 transformer 线性层
• 训练规模：3000 步（约 107 个 epoch），单卡 A100 80GB，耗时约 10.5 小时，bf16 精度 + 梯度检查点，flow matching 噪声调度（详见 README.md）

📌已知局限（README.md）：训练域较窄，仅覆盖 28 条"人物主体 + 正方形 + 73 帧"的片段；其他主体、宽高比和时长未经测试；生成结果中仍可能出现眨眼等细微动作。

总结：一张照片 → 360° 无缝环绕的完整链路

1. FL2VA 锁定两端：同一张图作首尾帧，保证视频首尾完全一致、可循环拼接
2. LoRA 注入运动：用几何一致的静态 3D 场景渲染数据，教会模型"只动相机"的 360° 环绕模式
3. 提示词约束内容：冻结人物、物体与背景的形态，只允许相机视差产生视差运动

这套"关键帧锁定 + 窄域运动微调"的组合，为在首尾帧视频生成模型上做受控相机运镜提供了一个非常干净的参考范式。