Boogu-Image 0.1: Podjela rada i rizika izobličenja između tri težine Base, Turbo i Edit

ANATOMIJA MODELA / GENERIRANJE I UREĐIVANJE

Boogu-Image 0.1 objavljuje osnovni generator, destilirani brzi model i uređivač pojedinačnih slika. Jedno ime projekta tako pokriva tri historije treniranja, tri ugovora uzorkovanja i tri različita načina na koja rezultat može izaći krivo.

Flow matching

Model uči polje brzine između šuma i latentnih reprezentacija slike. Kompaktni cilj treniranja glasi:

L=E[t,x₀,x₁] ||vθ(x_t,t,c) − u_t(x_t|x₀,x₁)||²

Base integriše duži put. Turbo uči kratku aproksimaciju tog puta, pa njegove greške nisu samo manje verzije grešaka modela Base. Edit dodaje uslov ulazne slike i mora sačuvati sadržaj koji instrukcija nije ciljala.

Zašto su tri skupa težina odvojena

Osnovni model prvo uči upotrebljivo transportno polje. Destilirani učenik zatim sažima tu putanju na otprilike četiri koraka. Uređivač zahtijeva uparene primjere instrukcija i slika te dodatni cilj očuvanja. Taj redoslijed objašnjava zašto manji broj koraka ne znači automatski sposobniji model i zašto uređivač pojedinačnih slika ne podrazumijeva kompoziciju s više referenci.

Obrasci grešaka traže zasebnu provjeru

Base može sačuvati finu strukturu dok istovremeno ponavlja lokalne obrasce. Turbo može učvrstiti konture, pretjerano ujednačiti teksturu ili oštetiti sitan tekst. Edit istovremeno traži tri provjere: poštivanje instrukcije, identitet subjekta i odstupanje izvan traženog područja. Pošteno poređenje drži prompt, platno i seed fiksnim.

Šta dokazi iz objave potvrđuju

Službeni repozitorij i tri kartice modela potvrđuju da su težine Base, Turbo i Edit objavljene s različitim putevima upotrebe. Poređenja promptova koja je objavio izdavač opisuju tu objavu; ona ne čine univerzalnu rang-listu kroz postere, portrete, proizvode i višejezičnu tipografiju.

Zašto jedna objava sadrži tri checkpointa

Boogu-Image 0.1 isporučuje Base, Turbo i Edit zajedno, zbog čega izgledaju kao jednostavne brzinske pretpostavke. Base zadržava dužu putanju generiranja, Turbo je destilira na otprilike četiri koraka, a Edit ugovoru o uslovima dodaje ulaznu sliku. Jedno ime projekta zato krije tri odvojena pitanja prihvatljivosti.

Datum objave također krije redoslijed razvoja. Osnovni model prvo uči upotrebljivo polje brzine, destilirani model uči kratku aproksimaciju, a checkpoint za uređivanje dodaje uparene podatke instrukcija i slika. Bez te historije lako je tvrditi da je manji broj koraka univerzalno bolji ili da uređivač pojedinačnih slika automatski podržava kompoziciju s više referenci.

**Službeni pregled Boogu-Image-0.1**Repozitorij objave koristi ovu sliku da sažme svoj opseg fotorealizma, portreta i iscrtavanja teksta.Službeni izvor: assets/boogu-infinity-teaser.png

Base i Turbo dijele cilj, ali ne i put uzorkovanja

L_FM=E[t,x₀,x₁] ||vθ(x_t,t,c)-u_t(x_t|x₀,x₁)||²

vθpredviđeno polje brzine
u_tciljana transportna putanja
ctekstualni ili slikovni uslov

Flow matching trenira polje brzine od šuma do latentnih reprezentacija slike. Base integriše duži put; Turbo uči kratku aproksimaciju, pa se ponašanje u četiri koraka ne može zaključiti iz heuristika o broju koraka modela Base.

Edit dodaje uslov ulazne slike. Procjena prihvatljivosti mora razdvojiti poštivanje instrukcije, očuvanje subjekta i odstupanje izvan traženog područja, umjesto da se sve zamijeni oštrinom.

Rad, kod i težine mogu se pratiti kroz izvorni kod Boogu-Image / težine Boogu Base / težine Boogu Turbo.

**Službeni primjeri uređivanja Boogu-Image**Službeni primjeri pokrivaju zamjenu odjeće, očuvanje subjekta, prijenos stila i promjene radnje.Službeni izvor: assets/edit_cases_combined.png

Razlike među tri modela

Riječ je o tabeli ugovora unutar jednog projekta, a ne o univerzalnoj rang-listi izgrađenoj na internom skupu preferencija.

Profil	Zadana inferencija	Primarna provjera
Base	višestepeni flow matching	detalji, kompozicija i stabilnost dugog puta
Turbo	oko 4 koraka	artefakti destilacije, tekst i sitni objekti
Edit	jedna slika plus instrukcija	poštivanje instrukcije i očuvanje pozadine

Pogled dalje od oštrine

Base može sačuvati više detalja dok i dalje ponavlja lokalne obrasce. Turbo je podložan krutim konturama, pretjerano ujednačenoj teksturi i polomljenom sitnom tekstu. Edit se mora ocjenjivati po poštivanju instrukcije, identitetu subjekta i odstupanju izvan traženog područja.

Poređenje treba držati prompt, veličinu i seed fiksnim kroz sva tri checkpointa. Slika iz objave pokazuje sposobnost, ali ne potvrđuje stabilno ponašanje kroz postere, portrete, proizvode, gusto složenu tipografiju i složene kompozicije.

Primjeri iz objave nisu benchmark

Skup promptova izdavača koristan je za reprodukciju, ali ne može predstavljati svaki poster, osobu, proizvod ili višejezični raspored. Obranjivo poređenje traži fiksni paket promptova i slijepu ocjenu.

Base, Turbo i Edit zahtijevaju zasebne zapise uzorkovanja. Broj koraka mijenja i cijenu i grešku putanje, a checkpoint za uređivanje dodatno traži ulaznu sliku, instrukciju i očuvanje izvan uređenog područja.

Radovi i javne datoteke uz izvorni kod Boogu-Image

Nazivi modela, brojke i ograničenja vode porijeklo od radova, repozitorija ili kartica modela navedenih u nastavku.