boogu-project/Boogu-Image

解决的问题

Boogu-Image-0.1 是一个开源的统一图像生成与编辑模型家族，旨在提供高质量的文本到图像生成、快速推理和精确的图像编辑。它特别解决了在使用比闭源多模态系统小一个数量级的数据规模（约少一个数量级的训练计算资源）的情况下，仍能实现摄影、风格化以及中英文双语文本渲染方面的竞争力表现这一挑战。

工作原理

该项目提供了一套模型（Base、Turbo、Edit 和 Edit-Turbo），通过系统性地提升理解能力、数据质量与训练流程来实现性能优化。

• Base：一个针对多样性、可控性以及超密集文本渲染优化的基础模型。
• Turbo：采用 Decoupled DMD 的蒸馏版本，仅需 3-4 步即可实现高质量写实图像生成。
• Edit：专为图像到图像转换设计的变体，支持最高 2K 分辨率。
• Edit-Turbo：编辑模型的快速蒸馏版本。

适用人群

本项目适用于需要高性能、开源替代方案的研究人员和开发者，用于生成写实图像、设计高文本密度布局（如海报、品牌指南）或执行复杂图像编辑任务。

主要亮点

• 双语文本渲染：在各种布局中均能保持稳定且可读的中英文排版。
• 精确图像编辑：支持对象插入、替换、删除及材质修改，同时保持主体一致性。
• 高效推理：Turbo 变体仅需 4 步即可生成写实图像。
• 多样化输出：支持多种宽高比，最高分辨率可达 2K（适用于 Base 和 Edit 模型）。
• 广泛硬件支持：包含原生 PyTorch 支持，并提供专用于 Ascend NPU 推理的分支。