BluePixel-Turbo: vivo의 4스텝 네이티브 4K 이미지 편집기

입력, 1K 편집기 프레이밍	네 가지 작업을 복합 편집한 후의 출력

공식 데모: 남자와 말을 확대하고, 흰 셔츠를 짙은 갈색 튜닉으로 바꾸고, 안장 패드를 붉은 가죽으로 교체하는 작업을 하나의 명령으로 수행합니다.

첫 릴리스가 아닌 업데이트

저장소에는 이미 이전 SFT 체크포인트(ckpt800)가 있었습니다. 2026-11-03에 이것이 SATP로 증류된 트랜스포머인 ckpt35로 교체되었으며, 모델 카드는 이를 이후의 후속 학습 단계가 적용되지 않은 중간 체크포인트로 표기합니다.

차이는 좁고 검증 가능합니다. 트랜스포머 샤드 10개는 모두 다시 업로드되었지만, 텍스트 인코더(샤드 5개), DCAE-F64 VAE 가중치, 토크나이저는 이전 리비전과 바이트 단위로 동일합니다. 트랜스포머 total_size는 36,314,324,992 바이트로 변함이 없고 텐서 개수도 233개로 유지되어, 아키텍처나 로딩 경로에서 달라진 것은 없습니다. HF 파일 인덱스에는 fp32로 저장된 9,078,581,248개의 파라미터가 나열되어 있습니다.

1K 편집기를 4K 편집기로 전환하기

4K 편집의 어려운 점은 샘플러가 아니라 토큰 수입니다. 일반적인 f=8 압축에서 4K 잠재 데이터는 1K 대비 공간 면적이 16배입니다. BluePixel은 FLUX.2 Klein의 f=8 VAE를 DCAE-F64로 교체합니다. 이는 4K DiT 토큰 수를 1K 수준으로 유지하는 고압축 오토인코더로, 8 → 32 → 64 단계의 점진적 프로젝션 증류를 통해 새로운 잠재 데이터를 사전학습된 편집기와 정렬합니다.

팀은 이 단계의 비용을 Kunlunxin P800 XPU 32대에서 약 4일, 약 20만 개 샘플로 추산합니다. 이는 논문이 주장하는 바, 즉 4K 편집이 처음부터 사전학습을 돌리는 작업이 아니라 합리적인 비용의 레시피를 갖춘 시스템 문제가 된다는 점입니다.

베이스 모델을 잊지 않는 롱테일 스킬

그룹 단위 연속 학습: 각 수직 스킬(헤어스타일, 표정, 포즈, 전역 사진 효과)은 직교 그래디언트 위에 ACE-LoRA 뱅크로 학습된 뒤, 다음 그룹을 시작하기 전에 MOPD로 베이스 모델에 다시 증류됩니다. 논문은 CIE-Bench 총점 6.24 → 8.87을 보고하는 한편 일반 편집 지표는 ±0.03 미만으로 움직였으며, 헤어스타일 뱅크 하나에만 각각 수십 개 샘플로 학습된 26개의 템플릿이 담겨 있습니다.

논문의 템플릿 스트립: 각 그룹의 왼쪽이 소스 이미지, 그 뒤가 템플릿 출력입니다.

같은 뱅크의 표정 그룹으로, 다음 그룹을 학습하기 전에 역시 베이스 모델로 증류됩니다.

50스텝 대신 4스텝

소스 고정 대상 프로젝션(SATP)은 Turbo라는 이름의 근간이 되는 증류 기법입니다. 학생 모델이 소스 잠재 데이터에 고정되어 편집되지 않은 영역이 스텝 축소 후에도 유지됩니다. 주장된 결과는 50 → 4 스텝 감소, 약 4배 빠른 추론이며, 작업 성공률과 배경 일관성은 유지됩니다. 8.7초라는 수치는 Kunlunxin P800 XPU 하드웨어에서 측정된 것이므로 CUDA 데스크톱 실행에서는 이 수치에 도달하지 못합니다.

벤치마크

아래 수치는 프로젝트 페이지에서 가져온 것입니다. 해당 페이지는 각 품질 점수를 이 특정 Turbo 체크포인트에 귀속시키지 않는다고 명시하고 있습니다.

• VINS-4KEval++ (네이티브 4K 케이스 3,305건, 모델 7개): 종합 8.62로 7개 중 2위, 비편집 영역 일관성 9.06으로 GPT Image 2에 이어 2위
• ImgEdit-Bench: Hybrid 4.59, Action 4.93으로 둘 다 1위, Add 부문 공동 1위
• 8-시드 안정성: 평균 8.624, 편차 폭 0.053
• CIE-Bench: ACE-MOPD를 통해 6.24 → 8.87

프로젝트 페이지 비교 이미지에서 가져온, 동일한 입력과 동일한 복합 명령에 대한 GPT Image 2의 결과

이용 방법

공식 경로는 vivo/BluePixel의 Diffusers 기반 파이프라인입니다(load_pipeline + vins_infer.py, 4스텝, guidance_scale 3.0, target_pixels 4096×4096). 아직 코어에 네이티브 ComfyUI 로더가 없으므로, ComfyUI에서 사용하려면 커뮤니티 팩을 이용해야 합니다. T8mars/Comfyui-BluePixel-T8은 Comfy Registry에 bluepixel-t8로 등록되어 있으며, 노드 20개, 확산 모델 / Qwen3-8B 텍스트 인코더 / DCAE-F64 VAE용 분할 로더, 그리고 t8star/BluePixel-Comfy에 있는 트랜스포머의 INT8 ConvRot 리팩(세 파일에 걸쳐 약 28.19GB)을 제공합니다.

이 팩에는 한 가지 제약이 따릅니다. DCAE-F64는 64배로 압축하므로 일반 FLUX.2 VAE나 이를 위해 만들어진 빈 잠재 데이터와 함께 사용할 수 없습니다. 이 팩은 ComfyUI 0.43.0+ 및 Diffusers 0.40+를 대상으로 합니다.

• 가중치: openvivo/BluePixel-Turbo
• 코드: vivo/BluePixel
• 논문: arXiv:2610.19882
• 데이터셋: openvivo/VINS-120K