Boogu-Image 0.1: Arbejdsdeling og forvrængningsrisiko mellem de tre vægte Base, Turbo og Edit

MODELANATOMI / GENERERING OG REDIGERING

Boogu-Image 0.1 udgiver en basisgenerator, en destilleret, hurtig model og en redigeringsmodel til enkeltbilleder. Ét projektnavn dækker derfor tre træningshistorikker, tre samplingkontrakter og tre forskellige måder, et output kan fejle på.

Flow matching

Modellen lærer et hastighedsfelt mellem støj og latente billedrepræsentationer. Et kompakt træningsmål er:

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

Base integrerer en længere bane. Turbo lærer en kort tilnærmelse af den bane, så dens fejl ikke blot er mindre udgaver af Basemodellens fejl. Edit tilføjer en inputbilledbetingelse og skal bevare indhold, som instruktionen ikke var rettet mod.

Derfor er de tre vægte adskilt

En basismodel lærer først et brugbart transportfelt. En destilleret elevmodel komprimerer derefter banen til cirka fire trin. Redigeringsmodellen kræver parrede instruktion-billede-eksempler og et ekstra bevarelsesmål. Den rækkefølge forklarer, hvorfor færre trin ikke automatisk giver en mere dygtig model, og hvorfor en redigeringsmodel til enkeltbilleder ikke indebærer komposition med flere referencer.

Fejltyper kræver hver sin gennemgang

Base kan bevare fin struktur og samtidig gentage lokale mønstre. Turbo kan gøre konturer stive, overregularisere tekstur eller ødelægge små tekster. Edit skal bestå tre kontroller på én gang: instruktionsoverholdelse, motividentitet og drift uden for det ønskede område. En fair sammenligning holder prompt, lærred og seed fast.

Hvad udgivelsesmaterialet dokumenterer

Det officielle repository og de tre modelkort dokumenterer, at vægtene til Base, Turbo og Edit blev offentliggjort med forskellige anvendelsesveje. Udgiverens promptsammenligninger beskriver den udgivelse; de skaber ikke en universel rangliste på tværs af plakater, portrætter, produkter og flersproget typografi.

Hvorfor én udgivelse rummer tre checkpoints

Boogu-Image 0.1 leverer Base, Turbo og Edit samlet, hvilket får dem til at ligne simple hastighedsforudindstillinger. Base fastholder en længere genereringsbane, Turbo destillerer banen til cirka fire trin, og Edit tilføjer et inputbillede til betingelseskontrakten. Ét projektnavn skjuler derfor tre separate acceptspørgsmål.

Udgivelsesdatoen skjuler også udviklingsrækkefølgen. En basismodel lærer først et brugbart hastighedsfelt, en destilleret model lærer en kort tilnærmelse, og et edit-checkpoint tilføjer parrede instruktion-billede-data. Uden den historik er det let at hævde, at færre trin altid er bedre, eller at en redigeringsmodel til enkeltbilleder automatisk understøtter komposition med flere referencer.

**Officielt overblik over Boogu-Image-0.1**Udgivelsesrepositoryet bruger billedet til at sammenfatte sit omfang inden for fotorealisme, portrætter og tekstgengivelse.Officiel kilde: assets/boogu-infinity-teaser.png

Base og Turbo deler et mål, ikke en samplingbane

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

vθforudsagt hastighedsfelt
u_tønsket transportbane
ctekst- eller billedbetingelse

Flow matching træner et hastighedsfelt fra støj til latente billedrepræsentationer. Base integrerer en længere bane; Turbo lærer en kort tilnærmelse, så firetrinsadfærd ikke kan udledes af tommelfingerregler for Basemodellens trinantal.

Edit tilføjer en inputbilledbetingelse. Accept skal adskille instruktionsoverholdelse, motivbevarelse og drift uden for det ønskede område i stedet for at erstatte dem med skarphed.

Paper, kode og vægte kan følges via Boogu-Image-kildekode / Boogu Base-vægte / Boogu Turbo-vægte.

**Officielle redigeringseksempler for Boogu-Image**De officielle eksempler dækker udskiftning af beklædning, motivbevarelse, stiloverførsel og handlingsændringer.Officiel kilde: assets/edit_cases_combined.png

Forskellene mellem de tre modeller

Tabellen viser kontrakter inden for samme projekt, ikke en universel rangliste bygget på et internt præferencesæt.

Profil	Standardinferens	Primær kontrol
Base	flertrins flow matching	detalje, komposition og stabilitet på lange baner
Turbo	cirka 4 trin	destilleringsartefakter, tekst og små objekter
Edit	ét billede plus instruktion	instruktionsoverholdelse og baggrundsbevarelse

Se ud over skarpheden

Base kan bevare flere detaljer og stadig gentage lokale mønstre. Turbo er sårbar over for stive konturer, forudsigelig tekstur og småtekst, der bryder sammen. Edit skal bedømmes på instruktionsoverholdelse, motividentitet og drift uden for det ønskede område.

En sammenligning bør holde prompt, størrelse og seed fast på tværs af de tre checkpoints. Et udgivelsesbillede demonstrerer en evne, men dokumenterer ikke stabil adfærd på tværs af plakater, portrætter, produkter, tæt typografi og komplekse kompositioner.

Udgivelseseksempler er ikke et benchmark

Udgiverens promptsæt er nyttigt til reproduktion, men kan ikke repræsentere enhver plakat, enhver person, ethvert produkt eller ethvert flersproget layout. En forsvarlig sammenligning kræver en fast promptserie og blind bedømmelse.

Base, Turbo og Edit kræver separate samplingregistreringer. Trinantallet ændrer både omkostning og banefejl, og edit-checkpointet har desuden brug for inputbilledet, instruktionen og bevarelse uden for det redigerede område.

Papers og offentlige filer bag Boogu-Image-kildekoden

Modelnavne, tal og begrænsninger kan spores til papers, repositories eller modelkortene nedenfor.