跳转至内容
  • 版块
  • 最新
  • 标签
  • 热门
  • 用户
  • 群组
皮肤
  • 浅色
  • Brite
  • Cerulean
  • Cosmo
  • Flatly
  • Journal
  • Litera
  • Lumen
  • Lux
  • Materia
  • Minty
  • Morph
  • Pulse
  • Sandstone
  • Simplex
  • Sketchy
  • Spacelab
  • United
  • Yeti
  • Zephyr
  • 深色
  • Cyborg
  • Darkly
  • Quartz
  • Slate
  • Solar
  • Superhero
  • Vapor

  • 默认(LCZ-Blue)
  • 不使用皮肤
  • LCZ-Green
  • LCZ-Blue
  • LCZ-Black
折叠
品牌标识

抡锤者

首页 版块 标签
硬件
装备秀
AI 广场 App
  1. 主页
  2. 版块
  3. AI音视频画图
  4. 【剑心比赛】在比赛中发现画质抖动的问题以及初测结果(原始数据及8、20、50步视频对照)

【剑心比赛】在比赛中发现画质抖动的问题以及初测结果(原始数据及8、20、50步视频对照)

已定时 已固定 已锁定 已移动 AI音视频画图
minimax视频生成
12 帖子 5 发布者 1.2k 浏览
  • 从旧到新
  • 从新到旧
  • 最多赞同
回复
  • 在新帖中回复
登录后回复
此主题已被删除。只有拥有主题管理权限的用户可以查看。
  • Magic629M
    Magic629M
    Magic629
    硕果累累 贵族大夫
    编写于 最后由 编辑
    #1

    H3 剑心比赛 · 50 步设计点复测与三档对照报告(v3)

    日期:2026-11-16 | 主机:magic629-AI(192.168.67.202,双 gfx1201 TP2) | 模型:MiniMax-H3 Ref2VA fp8
    本报告是对《H3 剑心比赛-20 步画质诊断报告(v2)》的实测复核:把基模拉回它自己的设计点(50 次评估)重跑同一条片子,用同一套指标与 v2 的结论对撞。v2 有两处结论被本次实测推翻,已在 §4 明确修正。


    0. 一句话结论

    「20 步最优化」在这条链路上不存在——请求侧没有任何质量旋钮;把步数拉回设计点 50 步确实比 20 步清晰约三成、抖动低两成,但仍全面不及 turbo 8 步,而代价是 4.3 倍耗时,并且换了一条动作幅度小一半的轨迹。参赛建议维持已交付的 turbo 8 步不变。


    1. 本次唯一变量:步数

    复用已交 20 步基线的 work-044504/request.json(96 MB,含 6 张官方参考图的 prepared_context),逐字段核对:

    字段 20 步基线 本次 50 步 是否改动
    prompt 1034 B 1034 B 相同
    conditions(6 张参考图) md5 9c5e216f4866 md5 9c5e216f4866 相同
    prepared_context(rows=3608) md5 c61744d888f7 md5 c61744d888f7 相同
    seed 145 145 相同
    size / seconds / task / model 1344x768 / 12.25 / ref2va / minimax-h3-ref2va 同 相同
    num_inference_steps 21 51 唯一改动
    loras 无 无 相同

    引擎侧回执确认网格点语义与评估次数(journal,video_d4fd2f0f42bf49911489fa4810c4755a):

    I fullref_sample_start job=1 step=50 total=50
    I video video_d4fd2f0f42bf49911489fa4810c4755a: completed, 11.2 MB (libx264), 3000.0 s:
      queue and prompt 0.2 s, steps 2969.9 s, decode 29.8 s
    

    num_inference_steps=51 → 引擎跑满 50 次评估(total=50),再次证实「最后一个网格点是 0,不产生评估」。单步 59.40 s,与 20 步的 59.30 s 完全一致——每步成本与步数无关,50 步就是 20 步的 2.5 倍纯算力。

    成片:证据-原始\H3-3D-CGI-50步设计点-1344x768-12s.mp4(11,211,834 B,md5 12d10e06a7dd263058985eee0315565b,h264 + aac,294 帧 / 12.25 s / 1344×768)。
    端到端 3021 s(服务启动 12 s + 生成 3004 s + 轮询下载)。


    2. 为什么「20 步最优化」不可能存在

    /v1/videos 的字段白名单(core/server/videos.cpp:192-199)只有 24 个键,与本模型相关的实测边界如下(全部由即时 400 探针取得,不消耗 GPU):

    想调的东西 探针返回 结论
    shift / σ 网格形状 白名单里没有这个字段 σ 网格形状由模型写死,只能改点数
    decoder this model has one decoder and takes no name 只有一个解码器,无可选项
    guidance_scale / stg_scale / negative_prompt this model takes no guidance(unsupported_parameter) 基模不吃 CFG 家族
    latent_upscale 单字段探针 expected a factor from 1 to 4;但真实提交 400 prepared references cannot be combined with first-frame conditioning, guidance or upscaling 带参考图时不可用,两阶段精修方案作废
    num_inference_steps expected an integer in 2..65 (sigma grid points, the last one 0) 唯一有效的质量杠杆
    size sides are multiples of 32 from 256, at most 1032192 pixels and 4:1; its canvas at that ratio is 1344x768 4:3 下只有 1344×768,正是比赛规格
    seconds this model makes 5.17 to 15.08 seconds 12.25 s 合规

    也就是说,在「1344×768 + 12 s + 官方 6 图 + 统一 prompt」的比赛约束下,可动的只剩 num_inference_steps、seed、loras 三项;loras 一挂 turbo 就只能跑它自带的 8 档日程(引擎强制 steps == n_rungs + 1)。20 次评估这一档,是一个既不能调形状、也不能调引导、也不能放大的裸奔档位。


    3. 四档总览

    指标口径与 v2 完全一致(294 帧逐帧,中位数;灰度无损抽帧)。

    档位 Tenengrad LapVar 高频比 强边缘 p99.9 运动量(帧间差) 全画面抖动 静止区抖动 静止覆盖率 端到端 码率
    3D 20 步(基模,已交基线) 119 50 0.0049 55.0 15.35 35.48 2.292 0.255 1367 s 8.35 Mbps
    3D 50 步(基模设计点,本次) 153 41 0.0052 58.0 8.87 27.90 2.374 0.311 3021 s 7.32 Mbps
    3D 8 步(turbo LoRA,已交参赛片) 229 56 0.0104 59.0 2.73 7.00 1.752 0.818 707 s 5.91 Mbps
    3D 4 步(turbo LoRA,速度对照) 266 77 0.0097 67.0 10.05 24.23 1.994 0.479 399 s 8.22 Mbps

    汇总-四档对照.jpeg

    清晰度-三档逐帧.jpeg

    抖动-三档逐帧.jpeg

    读表要点:50 步相对 20 步,清晰度 +28.6%、高频比 +6%、全画面抖动 −21%;但清晰度、高频比、抖动三项全部仍逊于 turbo 8 步,且 LapVar(微纹理能量)反而从 50 降到 41。


    4. 三项受控测量,以及 v2 的两处修正

    跨档位比较最大的混淆是内容/运动量不同:四条片子的帧间差中位数分别是 15.35 / 8.87 / 2.73 / 10.05,运动模糊本身就会压低清晰度。为此做了三项受控测量。

    4.1 强边缘陡度(梯度 p99.9)——修正 v2 的「强边缘弱一半」

    v2 曾写「20 步强边缘结构弱约一半(Tenengrad 119 对 229)」。直接量最强那批边缘的陡度后:

    档位 梯度 p99.9 拉氏响应 p99.9
    20 步 55.0 67.0
    50 步 58.0 62.0
    8 步 59.0 64.0
    4 步 67.0 79.0

    20 步与 8 步的最强边缘只差 7%,不是「弱一半」。 Tenengrad 的 2 倍差距来自画面里"有边缘的面积占比"——20 步这条运动模糊更重、镜头更晃,把大量边缘抹平成渐变;而不是边缘本身的对比度被砍。
    → 参赛帖与后续文档的口径应改为:「20 步的问题是运动模糊更重、有效边缘占比更低」,不要再说"分辨率/细节少一半"。

    4.2 静止像素抖动——修正 v2 的因果推断

    v2 认为「低 σ 端精修预算不足 → 边缘没定下来 → 静止区二阶差分升高 1.3–1.6 倍」。若成立,把评估次数从 20 提到 50 应当显著压低静止区抖动。实测:

    档位 静止区抖动 掩膜覆盖率
    20 步 2.292 0.255
    50 步 2.374(+3.6%,无改善) 0.311
    8 步 1.752 0.818

    20 → 50 步没有降低静止区抖动。 该差异更可能由运动量与掩膜覆盖率不同驱动(turbo 8 步静止覆盖率 0.818,是 20 步的 3.2 倍,两组像素集根本不同),而不是 σ 网格欠采样。v2 里那句因果("共同根源是低 σ 端预算不足")降级为未证实。

    4.3 秩对齐运动量——方向性结论成立

    按各档自身运动量的同一分位取帧(秩对齐,剔除"这条片子本来就安静"的混淆),比清晰度:

    相对运动分位 20 步 50 步 8 步 4 步
    p10 210.8 247.3 235.3 294.0
    p25 192.4 253.2 235.4 300.7
    p50 102.7 138.7 235.7 257.6
    p75 86.8 130.5 103.5 212.6
    p90 107.3 137.4 139.3 154.3

    50 步在每一个分位上都高于 20 步(+17% ~ +50%),所以「同一条片子、同等相对激烈程度下,多给评估次数确实更锐」这个方向是对的——只是幅度远小于跨档位看到的 2 倍,且天花板仍低于 turbo 8 步。

    最干净的一组证据是第 100 / 150 帧:这两帧 20 步与 50 步构图几乎完全一致(同一镜头、同一人物位置),Tenengrad 207 → 253(+22.2%)、206 → 252(+22.3%)。

    放大对比-3D-20步对50步对8步.jpeg

    取证图里可以看到:第 100 / 150 帧同内容下 50 步的发丝、面部、刀柄纹理确实更实;第 195 / 235 帧三条片子已经走到不同镜头,只能按运动量对齐着看,不能按帧号硬比。


    5. 一个必须写进结论的现象:改步数 = 换一条片子

    同 seed、同 prompt、同参考图,只把 21 个网格点改成 51 个,结果:

    • 帧间差中位数 15.35 → 8.87(动作幅度 −42%);
    • 第 195 / 235 帧已经从"挥刀横扫"变成"站立对峙",镜头调度整体不同;
    • 静止覆盖率 0.255 → 0.311。

    50 步不是"20 步的高清版",而是另一条采样轨迹。 对比赛而言这有实际含义:20 步那条的镜头更晃、动作更猛(对"激烈对决"的题面未必是坏事),50 步更稳但更"没劲"。所以任何"加步数就能提质"的说法,都必须连同"内容会换"一起承担。


    6. 建议

    1. 参赛维持 turbo 8 步(已交付的两条),不要改。 四档里它清晰度最高(229)、抖动最低(7.00,是 20 步的 1/5、50 步的 1/4)、静止区抖动最低(1.752),端到端 707 s 只有 50 步的 23%。比赛规则要求写"加速手段",turbo LoRA + 8 档训练日程正是最站得住的答案。
    2. 不要为了画质上 50 步。 相对 20 步只有 +29% 清晰度,绝对值仍不及 8 步;代价是每条多花 40 分钟(本次实测占用双卡 51 分钟,期间 radiance-flashnext 停机),而且内容会换一条轨迹,等于重新抽卡。
    3. 还想在 8 步内再提一档,只剩两条路:① 换 seed 多抽 2–3 条挑最好的一条(唯一没被证伪的杠杆,成本 12 分钟/条);② 在统一 prompt 允许的范围内减少大面积高光/火焰占比——本次 20 步的清晰度塌陷段(180–270 帧)与大面积高亮平滑区高度重合,而高亮平滑区正是运动模糊最显眼、码率被烧掉的地方(20 步码率 8.35 Mbps 反而高于 8 步的 5.91 Mbps,说明糊不是编码省出来的)。
    4. 不要再找"20 步调参"的空间:shift、σ 列表、decoder、CFG 家族、latent_upscale 已逐项实测确认不可用(§2)。
    5. 口径修正:把 v2 报告与参赛帖里"强边缘弱一半""低 σ 预算不足导致抖动"两处表述按 §4.1 / §4.2 更新,避免在回帖里被同行问倒。

    7. 数据与复现

    内容 位置
    50 步成片 证据-原始\H3-3D-CGI-50步设计点-1344x768-12s.mp4
    客户端运行日志 / 引擎 journal 证据-原始\h3-up50-run.log、h3-up50-journal.txt
    逐帧指标 证据\q-metrics-50.csv(新)、q-metrics.csv(v2 四档)、q-static-50.csv、q-static-open-50.csv
    汇总输出 证据\s9.txt(四档总表)、s10.txt(强边缘 + 秩对齐)、s12.txt(request 逐字段核对)
    脚本 证据\s5-metrics50.py、s6-static50.py、s9-compare.py、s10-controlled.py、s11-assets.py、s2-probe.sh、s4-driver.sh、s12-diff.sh
    服务器侧 /home/magic629/h3-c20-3d/up-143609/request.json、out-152625.mp4、h3-up50-*.log/txt

    复现命令(服务器,约 51 分钟,会停 LLM):

    bash /home/magic629/h3-up-run.sh up50-3D /home/magic629/h3-c20-3d \
        /home/magic629/h3-c20-3d/work-044504 0 51 restore
    

    第四个参数 0 = 不加 latent_upscale(带参考图时不可用),51 = σ 网格点数(= 50 次评估)。

    收尾状态:radiance-h3fullref 已停、radiance-flashnext 已恢复健康(llm=200),双卡已归还。


    8. 视频对比

    1-上传-3D-CGI-8步.mp4
    Youtube Video

    2-上传-2D-动画-8步.mp4
    Youtube Video

    3-上传-3D-CGI-20步.mp4
    Youtube Video

    4-上传-2D-动画-20步.mp4
    Youtube Video

    5-上传-3D-动画-50步设计点 1344x768 12s
    Youtube Video

    1 条回复 最后回复
    0
    • BunseiB
      BunseiB
      Bunsei
      至尊皇帝
      编写于 最后由 编辑
      #2

      你把注意力改成BF16,然后去掉加速LORA试试看?

      Magic629M williamlouisW 2 条回复 最后回复
      1
      • terryT
        terryT
        terry
        易有太极
        编写于 最后由 编辑
        #3

        @Bunsei 说:

        你把注意力改成BF16,然后去掉加速LORA试试看?

        登基了啊

        油管:https://www.youtube.com/@抡锤者

        BunseiB 1 条回复 最后回复
        0
        • BunseiB Bunsei

          你把注意力改成BF16,然后去掉加速LORA试试看?

          Magic629M
          Magic629M
          Magic629
          硕果累累 贵族大夫
          编写于 最后由 编辑
          #4

          @Bunsei

          image.jpeg

          还在编写……完事接着测试出图再看效果

          1 条回复 最后回复
          0
          • Magic629M
            Magic629M
            Magic629
            硕果累累 贵族大夫
            编写于 最后由 Magic629 编辑
            #5

            image.jpeg

            双卡有时候温差有点大啊,有时候相差5度。热点温度都干到90度了

            1 条回复 最后回复
            0
            • BunseiB Bunsei

              你把注意力改成BF16,然后去掉加速LORA试试看?

              williamlouisW
              williamlouisW
              williamlouis
              易有太极
              编写于 最后由 编辑
              #6

              @Bunsei 陛下说的对

              个人主页:xlkj.org Telegram https://t.me/xlkjorg

              Magic629M BunseiB 2 条回复 最后回复
              0
              • williamlouisW williamlouis

                @Bunsei 陛下说的对

                Magic629M
                Magic629M
                Magic629
                硕果累累 贵族大夫
                编写于 最后由 编辑
                #7

                @williamlouis 😊 👍

                1 条回复 最后回复
                0
                • terryT terry

                  @Bunsei 说:

                  你把注意力改成BF16,然后去掉加速LORA试试看?

                  登基了啊

                  BunseiB
                  BunseiB
                  Bunsei
                  至尊皇帝
                  编写于 最后由 编辑
                  #8

                  @terry 😛 登基第一件事,先斩意中人! 哥咱们论坛能摆摊不! 打包出两张卡~

                  1 条回复 最后回复
                  0
                  • williamlouisW williamlouis

                    @Bunsei 陛下说的对

                    BunseiB
                    BunseiB
                    Bunsei
                    至尊皇帝
                    编写于 最后由 编辑
                    #9

                    @williamlouis 😚

                    1 条回复 最后回复
                    0
                    • williamlouisW
                      williamlouisW
                      williamlouis
                      易有太极
                      编写于 最后由 编辑
                      #10

                      那你就发呗,这皇帝当滴。

                      个人主页:xlkj.org Telegram https://t.me/xlkjorg

                      1 条回复 最后回复
                      0
                      • ,terryT terry 将此主题从 随便聊聊 移至此处
                      • Werther WangW
                        Werther WangW
                        Werther Wang
                        体面乡绅
                        编写于 最后由 编辑
                        #11

                        朽木不可雕也,官方底模就是朽木。解决这个问题的方法就是彻底放弃它。

                        Magic629M 1 条回复 最后回复
                        0
                        • Werther WangW Werther Wang

                          朽木不可雕也,官方底模就是朽木。解决这个问题的方法就是彻底放弃它。

                          Magic629M
                          Magic629M
                          Magic629
                          硕果累累 贵族大夫
                          编写于 最后由 编辑
                          #12

                          @Werther-Wang 你好,你用的是什么本地大模型?

                          1 条回复 最后回复
                          0

                          你好!看起来您对这段对话很感兴趣,但您还没有一个账号。

                          厌倦了每次访问都刷到同样的帖子?您注册账号后,您下次访问时都将自动回到上次浏览的位置,并可选择接收新回复的通知(通过电子邮件或推送通知)。您还可以收藏帖子、为帖子点赞,以此向其他社区成员表达您的感谢。

                          有了你的建议,这篇帖子会更精彩哦 💗

                          注册 登录
                          回复
                          • 在新帖中回复
                          登录后回复
                          • 从旧到新
                          • 从新到旧
                          • 最多赞同


                          • 登录

                          • 登录或注册以进行搜索。
                          • 第一个帖子
                            最后一个帖子
                          0
                          • 版块
                          • 最新
                          • 标签
                          • 热门
                          • 用户
                          • 群组