Modèle
Boogu-Image 0.1 : Division du travail et risque de distorsion entre les trois poids Base, Turbo et Edit
Anatomie du modèle/Génération et édition d'images
Anatomie du modèle/Génération et édition d'images
ANATOMIE D’UN MODÈLE / GÉNÉRATION ET ÉDITION
Boogu-Image 0.1 publie un générateur de base, un modèle rapide distillé et un éditeur d’image unique. Un seul nom de projet recouvre donc trois histoires d’entraînement, trois contrats d’échantillonnage et trois façons différentes pour un résultat d’échouer.
Le modèle apprend un champ de vitesse entre le bruit et les latents d’image. Un objectif d’entraînement compact s’écrit :
L=E[t,x₀,x₁] ||vθ(x_t,t,c) − u_t(x_t|x₀,x₁)||²
Base intègre un chemin plus long. Turbo en apprend une approximation courte, si bien que ses erreurs ne sont pas de simples versions réduites de celles de Base. Edit ajoute une condition d’image d’entrée et doit préserver le contenu que l’instruction ne visait pas.
Un modèle de base apprend d’abord un champ de transport exploitable. Un élève distillé compresse ensuite cette trajectoire jusqu’à environ quatre étapes. L’éditeur exige des paires instruction-image et un objectif de préservation supplémentaire. Cette séquence explique pourquoi moins d’étapes ne signifie pas automatiquement un modèle plus capable, ni pourquoi un éditeur d’image unique n’implique pas une composition multi-références.
Base peut préserver la structure fine tout en répétant des motifs locaux. Turbo peut durcir les contours, sur-régulariser la texture ou abîmer le petit texte. Edit exige trois vérifications à la fois : le respect de l’instruction, l’identité du sujet et la dérive hors de la zone demandée. Une comparaison honnête garde le prompt, le canevas et la graine fixes.
Le dépôt officiel et les trois fiches de modèle établissent que les poids Base, Turbo et Edit ont été publiés avec des chemins d’usage différents. Les comparaisons de prompts de l’éditeur décrivent cette publication ; elles ne créent pas un classement universel couvrant affiches, portraits, produits et typographie multilingue.
Boogu-Image 0.1 livre Base, Turbo et Edit ensemble, ce qui les fait ressembler à de simples préréglages de vitesse. Base conserve une trajectoire de génération longue, Turbo la distille jusqu’à environ quatre étapes, et Edit ajoute une image d’entrée au contrat de conditionnement. Un seul nom de projet cache donc trois questions d’acceptation distinctes.
La date de publication masque aussi l’ordre de développement. Un modèle de base apprend d’abord un champ de vitesse exploitable, un modèle distillé en apprend une approximation courte, et un checkpoint d’édition ajoute des données instruction-image appariées. Sans cette histoire, il est facile d’affirmer que moins d’étapes vaut universellement mieux, ou qu’un éditeur d’image unique prend automatiquement en charge la composition multi-références.
L_FM=E[t,x₀,x₁] ||vθ(x_t,t,c)−u_t(x_t|x₀,x₁)||²vθchamp de vitesse préditu_tchemin de transport cibleccondition texte ou imageLe flow matching entraîne un champ de vitesse du bruit vers les latents d’image. Base intègre un chemin plus long ; Turbo en apprend une approximation courte, si bien que le comportement à quatre étapes ne se déduit pas des heuristiques de comptage d’étapes de Base.
Edit ajoute une condition d’image d’entrée. L’acceptation doit séparer le respect de l’instruction, la préservation du sujet et la dérive hors de la zone demandée, au lieu de leur substituer la netteté.
Article, code et poids se suivent via Boogu-Image source / Boogu Base weights / Boogu Turbo weights.
Voici un tableau de contrats interne au projet, pas un classement universel construit sur un jeu de préférences interne.
| Profil | Inférence par défaut | Audit principal |
|---|---|---|
| Base | flow matching multi-étapes | détail, composition et stabilité du chemin long |
| Turbo | environ 4 étapes | artefacts de distillation, texte et petits objets |
| Edit | une image plus une instruction | respect de l’instruction et préservation de l’arrière-plan |
Base peut préserver davantage de détails tout en répétant des motifs locaux. Turbo reste vulnérable aux contours rigides, aux textures trop familières et au petit texte cassé. Edit se juge sur le respect de l’instruction, l’identité du sujet et la dérive hors de la zone demandée.
Une comparaison doit garder le prompt, la taille et la graine fixes sur les trois checkpoints. Une image de publication démontre une capacité mais n’établit pas un comportement stable sur les affiches, portraits, produits, typographies denses et compositions complexes.
Le jeu de prompts de l’éditeur est utile pour la reproduction mais ne peut représenter chaque affiche, personne, produit ou mise en page multilingue. Une comparaison défendable exige une suite de prompts fixe et une revue à l’aveugle.
Base, Turbo et Edit demandent des enregistrements d’échantillonnage séparés. Le nombre d’étapes change à la fois le coût et l’erreur de trajectoire, tandis que le checkpoint d’édition nécessite en plus l’image d’entrée, l’instruction et la préservation hors de la zone éditée.
Noms de modèles, chiffres et limitations renvoient aux articles, dépôts ou fiches de modèle ci-dessous.