Boogu-Image-0.1: 통합 멀티모달 생성·이해·편집 모델 계열과 실용적 학습 파이프라인

저자들은 코드, 가중치, 학습 레시피를 Apache 2.0으로 공개하여 연구자와 개발자가 모델을 재현하고 확장할 수 있게 했다. 공개 리포지토리는 실무 환경에서 모델을 빠르게 테스트하고 커스터마이즈할 수 있는 출발점을 제공한다. 제한된 데이터와 비교적 낮은 이론적 훈련비로 얻은 결과는 예산이 제한된 실무 프로젝트에서도 멀티모달 모델을 실험해볼 수 있는 근거가 된다.

• 텍스트로 지시하는 이미지 편집 작업에서 사용자 명령을 따르는 편집 파이프라인을 구현하는 데 본 모델 계열을 활용할 수 있다.
• 텍스트-투-이미지 생성 기능을 포함하는 콘텐츠 제작 도구에서 모델을 추론 속도와 품질 요구에 맞춰 Base/Turbo 변형으로 선택적으로 배포할 수 있다.
• 연구 환경에서는 데이터 효율성 연구나 파이프라인 최적화 실험을 위해 공개된 가중치와 레시피를 기반으로 재현 연구를 수행할 수 있다.

코드 공개 여부: 공개

Agentic Inference-Time Scaling

— 추론 단계에서 여러 단계의 의사결정 또는 복수의 실행 경로를 동적으로 적용해 출력 품질을 높이는 기법으로, 모델 단독의 용량을 늘리지 않고도 다양한 후보 생성과 재평가를 통해 생성·편집 성능을 개선하는 방식이다. 본 논문 맥락에서는 제한된 연산 예산에서 생성 품질을 높이기 위해 추론 중 추가적인 검색·재랭킹·후처리 전략을 결합하는 절차로 쓰였다. 이 기법은 모델 파라미터를 증가시키지 않으면서도 실효 성능을 끌어올리는 비용-효율적 수단으로 중요하다.

Instruction-Based Editing

— 텍스트로 주어진 편집 지시(instruction)를 입력으로 받아 원본 이미지를 수정·재생성하는 방법으로, 단순한 스타일 변환을 넘어서 내용 변경을 자연스러운 결과로 반영하는 것을 목표로 한다. 논문에서는 편집 모델(Edit, Edit-Turbo 변형)을 통해 텍스트 지시를 따르는 편집 성능을 달성한 사례로 언급되었다. 이 방식은 사용자 지향적 이미지 조작 워크플로에서 곧장 활용될 수 있다.

Unified Multimodal Model

— 이해(기술·분류)와 생성(텍스트-투-이미지, 편집)을 하나의 아키텍처 계열로 통합하여 입력 텍스트와 이미지를 모두 처리할 수 있게 설계한 모델 패밀리 개념이다. 본 논문에서는 Base, Turbo, Edit, Edit-Turbo 변형으로 구성된 통합 계열이 이러한 역할을 수행하며, 단일 모델 또는 모델군으로 이해와 생성 작업을 모두 지원하는 점이 핵심이다. 통합 설계는 모델 재사용성과 배포 단순화를 통해 연구·실무 적용에서 이점을 제공한다.

Data Curation

— 학습에 사용되는 이미지·텍스트 페어를 품질 기준에 따라 필터링하고 정규화하며 샘플링 전략을 적용하는 과정으로, 데이터의 품질이 모델 성능에 직접적 영향을 미치기 때문에 중요하다. 논문은 208.62 million unique images라는 제한된 데이터 규모에서 데이터 품질과 파이프라인 개선이 성능 향상에 기여했다고 지적한다. 효율적 데이터 선별은 낮은 계산 예산에서 성능을 확보하는 핵심 수단이다.