Modelo
Boogu-Image 0.1: División del trabajo y riesgo de distorsión entre los tres pesos de Base, Turbo y Edit
Anatomía del modelo/Generación y edición de imágenes
Anatomía del modelo/Generación y edición de imágenes
ANATOMÍA DEL MODELO / GENERACIÓN Y EDICIÓN
Boogu-Image 0.1 publica un generador base, un modelo rápido destilado y un editor de imagen única. Un solo nombre de proyecto reúne así tres historiales de entrenamiento, tres contratos de muestreo y tres formas distintas en las que una salida puede fallar.
El modelo aprende un campo de velocidad entre el ruido y los latentes de la imagen. Un objetivo de entrenamiento compacto es:
L=E[t,x₀,x₁] ||vθ(x_t,t,c) − u_t(x_t|x₀,x₁)||²
Base integra una trayectoria más larga. Turbo aprende una aproximación corta de esa trayectoria, de modo que sus errores no son simplemente versiones reducidas de los errores de Base. Edit añade una condición de imagen de entrada y debe preservar el contenido al que la instrucción no iba dirigida.
Un modelo base aprende primero un campo de transporte utilizable. Después, un estudiante destilado comprime esa trayectoria a unos cuatro pasos. El editor requiere ejemplos emparejados de instrucción e imagen, además de un objetivo de preservación extra. Esta secuencia explica por qué menos pasos no significan automáticamente un modelo más capaz, y por qué un editor de imagen única no implica composición con múltiples referencias.
Base puede conservar la estructura fina mientras repite patrones locales. Turbo puede endurecer los contornos, sobrerregularizar la textura o dañar el texto pequeño. Edit necesita tres comprobaciones a la vez: cumplimiento de la instrucción, identidad del sujeto y deriva fuera de la región solicitada. Una comparación justa mantiene fijos el prompt, el lienzo y la semilla.
El repositorio oficial y las tres fichas de modelo establecen que los pesos de Base, Turbo y Edit se publicaron con rutas de uso distintas. Las comparaciones de prompts del editor describen ese lanzamiento; no crean una clasificación universal que abarque carteles, retratos, productos y tipografía multilingüe.
Boogu-Image 0.1 incluye Base, Turbo y Edit a la vez, lo que los hace parecer simples preajustes de velocidad. Base mantiene una trayectoria de generación más larga, Turbo destila esa trayectoria a unos cuatro pasos y Edit añade una imagen de entrada al contrato de condicionamiento. Un solo nombre de proyecto esconde, por tanto, tres preguntas de aceptación independientes.
La fecha de lanzamiento también oculta el orden de desarrollo. Un modelo base aprende primero un campo de velocidad utilizable, un modelo destilado aprende una aproximación corta y un checkpoint de edición añade datos emparejados de instrucción e imagen. Sin ese historial resulta fácil afirmar que menos pasos son universalmente mejores, o que un editor de imagen única admite automáticamente la composición con múltiples referencias.
L_FM=E[t,x₀,x₁] ||vθ(x_t,t,c)−u_t(x_t|x₀,x₁)||²vθcampo de velocidad predichou_ttrayectoria de transporte objetivoccondición de texto o imagenFlow matching entrena un campo de velocidad que va del ruido a los latentes de la imagen. Base integra una trayectoria más larga; Turbo aprende una aproximación corta, de modo que el comportamiento a cuatro pasos no puede deducirse de las heurísticas de recuento de pasos de Base.
Edit añade una condición de imagen de entrada. La aceptación debe separar el cumplimiento de la instrucción, la preservación del sujeto y la deriva fuera de la región solicitada, en lugar de sustituirlos por nitidez.
El artículo, el código y los pesos pueden seguirse a través de Boogu-Image source / Boogu Base weights / Boogu Turbo weights.
Se trata de una tabla de contratos interna del proyecto, no de una clasificación universal construida a partir de un conjunto de preferencias propio.
| Perfil | Inferencia predeterminada | Auditoría principal |
|---|---|---|
| Base | flow matching multipaso | detalle, composición y estabilidad en trayectorias largas |
| Turbo | unos 4 pasos | artefactos de destilación, texto y objetos pequeños |
| Edit | una imagen más una instrucción | cumplimiento de la instrucción y preservación del fondo |
Base puede conservar más detalle y aun así repetir patrones locales. Turbo es vulnerable a contornos rígidos, textura excesivamente familiar y texto pequeño roto. Edit debe juzgarse por el cumplimiento de la instrucción, la identidad del sujeto y la deriva fuera de la región solicitada.
Una comparación debe mantener fijos el prompt, el tamaño y la semilla en los tres checkpoints. Una imagen de lanzamiento demuestra capacidad, pero no establece un comportamiento estable en carteles, retratos, productos, tipografía densa y composiciones complejas.
El conjunto de prompts del editor es útil para la reproducción, pero no puede representar todos los carteles, personas, productos o diseños multilingües. Una comparación defendible necesita un conjunto fijo de prompts y una revisión ciega.
Base, Turbo y Edit requieren registros de muestreo separados. El número de pasos modifica tanto el coste como el error de trayectoria, mientras que el checkpoint de edición necesita además la imagen de entrada, la instrucción y la preservación fuera de la región editada.
Los nombres de modelos, las cifras y las limitaciones se remiten a los artículos, repositorios o fichas de modelo que figuran a continuación.