Modelo
Boogu-Image 0.1: Divisão de trabalho e risco de distorção entre os três pesos Base, Turbo e Edit
Anatomia do modelo/geração e edição de imagens
Anatomia do modelo/geração e edição de imagens
© 2026 TelkNet. Todos os direitos reservados.
ANATOMIA DE MODELO / GERAÇÃO E EDIÇÃO
Boogu-Image 0.1 lança um gerador base, um modelo rápido destilado e um editor de imagem única. Um único nome de projeto reúne, portanto, três históricos de treinamento, três contratos de amostragem e três maneiras distintas de uma saída falhar.
O modelo aprende um campo de velocidade entre o ruído e os latentes da imagem. Um objetivo de treinamento compacto é:
L=E[t,x₀,x₁] ||vθ(x_t,t,c) − u_t(x_t|x₀,x₁)||²
O Base integra um trajeto mais longo. O Turbo aprende uma aproximação curta desse trajeto, de modo que seus erros não são simplesmente versões menores dos erros do Base. O Edit adiciona uma condição de imagem de entrada e precisa preservar o conteúdo que a instrução não visou.
Primeiro, um modelo base aprende um campo de transporte utilizável. Em seguida, um estudante destilado comprime essa trajetória para cerca de quatro passos. O editor exige exemplos pareados de instrução–imagem e um objetivo adicional de preservação. Essa sequência explica por que menos passos não significam automaticamente um modelo mais capaz, e por que um editor de imagem única não implica composição com múltiplas referências.
O Base pode preservar estrutura fina e, ao mesmo tempo, repetir padrões locais. O Turbo tende a endurecer contornos, regularizar a textura em excesso ou danificar texto pequeno. O Edit precisa de três verificações simultâneas: cumprimento da instrução, identidade do sujeito e desvio fora da região solicitada. Uma comparação justa mantém prompt, tela e semente fixos.
O repositório oficial e os três model cards confirmam que os pesos de Base, Turbo e Edit foram publicados com trajetos de uso diferentes. As comparações de prompts do publicador descrevem esse lançamento; não criam um ranking universal que abranja pôsteres, retratos, produtos e tipografia multilíngue.
Boogu-Image 0.1 entrega Base, Turbo e Edit juntos, o que os faz parecer simples predefinições de velocidade. O Base mantém uma trajetória de geração mais longa, o Turbo destila essa trajetória para cerca de quatro passos, e o Edit acrescenta uma imagem de entrada ao contrato de condicionamento. Um único nome de projeto esconde, portanto, três perguntas de aceitação distintas.
A data de lançamento também esconde a ordem de desenvolvimento. Um modelo base primeiro aprende um campo de velocidade utilizável, um modelo destilado aprende uma aproximação curta, e um checkpoint de edição adiciona dados pareados de instrução-imagem. Sem esse histórico, fica fácil afirmar que menos passos são universalmente melhores ou que um editor de imagem única aceita automaticamente composição com múltiplas referências.
L_FM=E[t,x₀,x₁] ||vθ(x_t,t,c)−u_t(x_t|x₀,x₁)||²vθcampo de velocidade previstou_ttrajeto de transporte alvoccondição de texto ou imagemO flow matching treina um campo de velocidade do ruído aos latentes da imagem. O Base integra um trajeto mais longo; o Turbo aprende uma aproximação curta, de modo que o comportamento em quatro passos não pode ser deduzido de heurísticas de contagem de passos do Base.
O Edit adiciona uma condição de imagem de entrada. A aceitação precisa separar cumprimento da instrução, preservação do sujeito e desvio fora da região solicitada, em vez de trocar tudo isso por nitidez.
O artigo, o código e os pesos podem ser acompanhados em código-fonte do Boogu-Image / pesos do Boogu Base / pesos do Boogu Turbo.
É uma tabela de contratos dentro do projeto, não um ranking universal construído a partir de um conjunto interno de preferências.
| Perfil | Inferência padrão | Auditoria principal |
|---|---|---|
| Base | flow matching multipasso | detalhe, composição e estabilidade de trajeto longo |
| Turbo | cerca de 4 passos | artefatos de destilação, texto e objetos pequenos |
| Edit | uma imagem mais instrução | cumprimento da instrução e preservação do fundo |
O Base pode preservar mais detalhes e ainda assim repetir padrões locais. O Turbo é vulnerável a contornos rígidos, textura excessivamente familiar e texto pequeno quebrado. O Edit deve ser julgado pelo cumprimento da instrução, pela identidade do sujeito e pelo desvio fora da região solicitada.
Uma comparação deve manter prompt, tamanho e semente fixos nos três checkpoints. Uma imagem de lançamento demonstra capacidade, mas não estabelece comportamento estável em pôsteres, retratos, produtos, tipografia densa e composições complexas.
O conjunto de prompts do publicador é útil para reprodução, mas não consegue representar todo pôster, pessoa, produto ou layout multilíngue. Uma comparação defensável precisa de uma suíte fixa de prompts e de revisão às cegas.
Base, Turbo e Edit exigem registros de amostragem separados. A contagem de passos altera tanto o custo quanto o erro de trajetória, enquanto o checkpoint de edição ainda precisa da imagem de entrada, da instrução e da preservação fora da região editada.
Nomes de modelos, números e limitações remetem aos artigos, repositórios ou model cards abaixo.