Boogu-Image 0.1: Phân công lao động và rủi ro biến dạng giữa ba trọng lượng Base, Turbo và Edit

GIẢI PHẪU MÔ HÌNH / SINH VÀ CHỈNH SỬA ẢNH

Boogu-Image 0.1 phát hành một bộ sinh ảnh nền, một mô hình nhanh đã chưng cất và một trình chỉnh sửa ảnh đơn. Một tên dự án như thế gom cả ba lịch sử huấn luyện, ba hợp đồng lấy mẫu và ba cách khác nhau mà đầu ra có thể hỏng.

Flow matching

Mô hình học một trường vận tốc giữa nhiễu và đại diện tiềm ẩn của ảnh. Mục tiêu huấn luyện dạng gọn như sau:

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

Base tích phân một đường dài hơn. Turbo học một xấp xỉ ngắn của đường đó, nên lỗi của nó không đơn giản là phiên bản thu nhỏ của lỗi Base. Edit thêm điều kiện ảnh đầu vào và phải giữ nguyên những nội dung mà câu lệnh không nhắm tới.

Vì sao ba bộ trọng số được tách riêng

Trước hết, mô hình nền học một trường vận chuyển dùng được. Mô hình học viên được chưng cất sau đó nén quỹ đạo ấy còn khoảng bốn bước. Trình chỉnh sửa đòi hỏi các cặp ví dụ lệnh–ảnh và một mục tiêu bảo toàn bổ sung. Trình tự này lý giải vì sao ít bước hơn không tự động đồng nghĩa với mô hình mạnh hơn, và vì sao trình chỉnh sửa một ảnh không hàm ý khả năng ghép nhiều ảnh tham chiếu.

Các kiểu lỗi cần được đánh giá riêng

Base có thể giữ được cấu trúc tinh nhưng đồng thời lặp lại các mẫu cục bộ. Turbo có thể làm cứng đường nét, quy chuẩn hóa kết cấu bề mặt quá mức hoặc phá hỏng chữ nhỏ. Edit cần kiểm tra đồng thời ba điểm: mức độ tuân theo lệnh, danh tính chủ thể và độ trôi ngoài vùng được yêu cầu. Một phép so sánh công bằng phải giữ cố định prompt, khung vẽ và seed.

Bằng chứng từ bản phát hành cho thấy gì

Kho lưu trữ chính thức và ba thẻ mô hình xác nhận rằng trọng số Base, Turbo và Edit đã được công bố với các cách dùng khác nhau. Các phép so sánh prompt từ nhà phát hành mô tả bản phát hành đó; chúng không tạo ra một bảng xếp hạng tổng quát trên áp phích, chân dung, sản phẩm hay kiểu chữ đa ngôn ngữ.

Vì sao một bản phát hành chứa tới ba checkpoint

Boogu-Image 0.1 xuất xưởng Base, Turbo và Edit cùng nhau, khiến chúng trông như những cài đặt sẵn về tốc độ. Base giữ một quỹ đạo sinh ảnh dài hơn, Turbo chưng cất quỹ đạo ấy còn khoảng bốn bước, còn Edit bổ sung một ảnh đầu vào vào hợp đồng điều kiện hóa. Một tên dự án duy nhất vì thế che giấu ba câu hỏi nghiệm thu riêng biệt.

Ngày phát hành cũng che giấu thứ tự phát triển. Mô hình nền học trường vận tốc dùng được trước, mô hình chưng cất học một xấp xỉ ngắn, và checkpoint chỉnh sửa bổ sung dữ liệu cặp lệnh–ảnh. Thiếu bối cảnh đó, người ta dễ tuyên bố rằng ít bước luôn tốt hơn hoặc trình chỉnh sửa một ảnh tự động hỗ trợ ghép nhiều ảnh tham chiếu.

**Ảnh tổng quan chính thức của Boogu-Image-0.1**Kho phát hành dùng hình này để tóm tắt phạm vi ảnh chân thực, chân dung và hiển thị chữ của dự án.Nguồn chính thức: assets/boogu-infinity-teaser.png

Base và Turbo chung mục tiêu, khác đường lấy mẫu

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

vθtrường vận tốc dự đoán
u_tđường vận chuyển mục tiêu
cđiều kiện văn bản hoặc ảnh

Flow matching huấn luyện một trường vận tốc từ nhiễu tới đại diện tiềm ẩn của ảnh. Base tích phân một đường dài hơn; Turbo học một xấp xỉ ngắn, nên hành vi ở bốn bước không thể suy ra từ các quy tắc kinh nghiệm về số bước của Base.

Edit thêm điều kiện ảnh đầu vào. Việc nghiệm thu phải tách riêng mức độ tuân theo lệnh, khả năng bảo toàn chủ thể và độ trôi ngoài vùng được yêu cầu, thay vì lấy độ sắc nét thay thế cho cả ba.

Có thể theo dõi bài báo, mã nguồn và trọng số qua Boogu-Image source / Boogu Base weights / Boogu Turbo weights.

**Các ví dụ chỉnh sửa chính thức của Boogu-Image**Các ví dụ chính thức bao gồm thay trang phục, bảo toàn chủ thể, chuyển phong cách và thay đổi hành động.Nguồn chính thức: assets/edit_cases_combined.png

Điểm khác biệt giữa ba mô hình

Đây là bảng hợp đồng trong nội bộ một dự án, không phải bảng xếp hạng tổng quát dựng từ một tập ưu tiên nội bộ.

Biến thể	Suy luận mặc định	Rà soát chính
Base	flow matching nhiều bước	chi tiết, bố cục và độ ổn định đường dài
Turbo	khoảng 4 bước	tạo tác chưng cất, chữ và vật thể nhỏ
Edit	một ảnh kèm câu lệnh	tuân theo lệnh và bảo toàn nền

Nhìn xa hơn độ sắc nét

Base có thể giữ nhiều chi tiết hơn nhưng vẫn lặp lại các mẫu cục bộ. Turbo dễ gặp đường nét cứng, kết cấu quá quen thuộc và chữ nhỏ vỡ. Edit phải được đánh giá trên mức độ tuân theo lệnh, danh tính chủ thể và độ trôi ngoài vùng được yêu cầu.

Phép so sánh nên giữ cố định prompt, kích thước và seed trên cả ba checkpoint. Một hình ảnh quảng bá khi phát hành cho thấy khả năng nhưng không chứng minh được hành vi ổn định trên áp phích, chân dung, sản phẩm, kiểu chữ dày đặc hay bố cục phức tạp.

Ví dụ phát hành không phải thước đo

Tập prompt của nhà phát hành hữu ích cho việc tái hiện nhưng không thể đại diện cho mọi áp phích, con người, sản phẩm hay bố cục đa ngôn ngữ. Một phép so sánh đứng vững cần bộ prompt cố định và đánh giá mù.

Base, Turbo và Edit đòi hỏi hồ sơ lấy mẫu riêng. Số bước thay đổi cả chi phí lẫn sai số quỹ đạo, trong khi checkpoint chỉnh sửa còn cần thêm ảnh đầu vào, câu lệnh và mức bảo toàn ngoài vùng được sửa.

Các bài báo và tệp công khai của mã nguồn Boogu-Image

Tên mô hình, các con số và giới hạn được truy về các bài báo, kho lưu trữ hoặc thẻ mô hình dưới đây.