Idol Turbo reduce la conversión de imagen a 3D a cinco pasos sin orientación

Entrada, el modelo base a 6 pasos con CFG, y el estudiante destilado a 6 y 8 pasos. Mismas entradas, misma semilla, renders de splat ortográficos.

Qué ha cambiado

El denoiser de flow matching de Idol no se ha tocado. Lo que el autor añadió son dos expertos de bajo rango entrenados por regresión contra la velocidad compuesta con CFG del profesor, de modo que la orientación libre de clasificador queda plegada en los pesos y la segunda pasada duplicada desaparece. De ahí viene la mayor parte del ahorro: 50 pasos por dos evaluaciones con CFG 3.0 son 100 llamadas a la red, y el estudiante necesita 5.

• Receta: LoRA de fase al estilo Glance (arXiv 2512.02899), dos expertos de rango 32, un Slow-LoRA para la fase de alto ruido y un Fast-LoRA para la fase de bajo ruido, con el cambio en t = 0.5.
• Tamaño entrenable: 29,4 millones de parámetros entre ambos expertos.
• Conjunto de entrenamiento (v5): 4.650 registros del profesor, trayectorias de 50 pasos con CFG 3.0 sobre 93 imágenes de un solo objeto, 2.000 pasos, unos 25 minutos en una H200.

La etiqueta v5 importa. Los checkpoints anteriores se entrenaron con 10 imágenes y generalizaban mal a objetos distintos de ese conjunto; la mayor variedad es precisamente el objetivo de esta versión, y la mochila de la demostración queda fuera del entrenamiento.

Cinco objetos, tres paneles cada uno: entrada, turbo a 5 pasos, modelo base a 5 pasos con CFG.

Uso en ComfyUI

Los dos LoRA en formato ComfyUI están verificados contra Comfy-Org/Idol: las rutas de los módulos son idénticas y los pesos están preescalados para fuerza 1.0. Copia idol_turbo_slow_comfy.safetensors e idol_turbo_fast_comfy.safetensors en models/loras/, junto al modelo de difusión del repack, la visión CLIP DINOv3, el VAE y el decodificador, y luego ajusta 5 pasos y CFG 1.0.

Hay dos formas de conectar la división por fases:

• Dos etapas: ejecuta los primeros cuatro de los cinco pasos con el Slow-LoRA en KSampler (Advanced) con add_noise activado y después finaliza el último paso con el Fast-LoRA y add_noise desactivado. El traspaso se sitúa en t desplazado = 0.5.
• Simple: usa el Slow-LoRA durante toda la ejecución. A cinco pasos, cuatro de ellos están en su fase de todos modos, a costa de cierto detalle tardío.

Merece la pena tener en cuenta la advertencia del autor: la compatibilidad de claves está verificada, pero la división en dos etapas no se ha ejecutado dentro del propio ComfyUI. Si la etapa rápida no se ve bien, la ruta solo con el Slow-LoRA es la opción segura.

Bajando los recuentos de pasos: el muestreador ingenuo pierde color (la mochila queda casi negra a 4 pasos) y estructura (el dragón se derrite), mientras que el estudiante mantiene ambos sin orientación.

El valor predeterminado recomendado es de 5 pasos, donde la diferencia entre el muestreo ingenuo y el de turbo es mayor. A 8 ambos se ven bien; por debajo de 4 los dos se degradan, el estudiante más lentamente.

Dónde flaquea

La tarjeta del modelo es explícita. Las salidas pueden resultar más suaves que las del profesor de 50 pasos, los colores pueden ir cálidos a 4 pasos y los objetos muy saturados pueden quedar algo menos vivos que con el primer checkpoint de 10 imágenes. El modelo base a 50 pasos sigue siendo la referencia, y cada ejecución de entrenamiento, métrica y render de evaluación está publicada en akhaliq/idol-turbo-runs.

Para la ruta del SDK, el repositorio es un reemplazo directo de pesos: el denoiser, el decodificador, el decodificador gaussiano, el eliminador de fondo y la configuración son idénticos byte a byte a speridlabs/idol, y turbo.py añade el muestreador sin orientación.

Disponibilidad

Los LoRA para ComfyUI, los LoRA del SDK, turbo.py y las cuadrículas de comparación están en Hugging Face, publicados el 3 de noviembre de 2026. Necesita el repack de Idol de Comfy-Org para funcionar, y la ruta del SDK todavía requiere los dos codificadores con acceso restringido de Idol (DINOv3 y FLUX.2-dev). El Idol base necesita aproximadamente 7,2 GB de VRAM; los LoRA añaden una fracción de gigabyte adicional.