¿Por qué FL2VA genera raíces alucinadas? Un análisis técnico

¿Por qué FL2VA genera raíces alucinadas?

FL2VA es un modelo de generación de vídeo, pero a veces la realidad se vuelve desordenada. Al analizar por qué aparecen elementos visuales no solicitados—como una caída de ‘raíces’ entre los segundos 2 y 7—nos damos cuenta de que el problema puede estar en el prompt mismo o en la dinámica interna del modelo.

El análisis inicial sugiere una deriva temporal del modelo, más que una interpretación literal de las palabras. El prompt original contiene varias instrucciones complejas: mantener el escenario intacto durante toda la duración, ejecutar una secuencia de acción larga y compleja (ajustar nudos, respiración agitada), e introducir conceptos como un ‘canvas’. Todo esto obliga al modelo a inventar movimiento en un intervalo específico.

Para confirmar si las raíces son artefactos del prompt o del modelo, se proponen dos experimentos clave. La primera versión (Versión A) congela el fondo y el entorno de la primera frame sin añadir ni transformar nada, eliminando temporalmente la acción principal. Si las raíces aparecen igual en esta versión, entonces no es la semántica de la acción lo que causa el problema.

La segunda variante (Versión B) añade una restricción adicional: un fondo estático idéntico a la primera frame y una cámara completamente estática. Esto elimina simultáneamente el ‘camera drift’ y el ‘background drift’. Comparar los resultados de estas dos pruebas permite aislar si el problema es la dinámica temporal del FL2VA o alguna instrucción específica.

Finalmente, se recomienda refinar la redacción de las instrucciones. Cambiar términos genéricos como ‘scenary’ por ‘background/environment’ y utilizar palabras concretas como ‘unchanged’ o ‘no new elements’ suele mejorar la estabilidad del modelo. Esta metodología técnica nos permite entender mejor cómo interactúan los modelos de vídeo con sus propias restricciones.