Boogu-Image-0.1: Boosting Open-Source Unified Multimodal Understanding and Generation

적은 비용과 데이터로 폐쇄형 모델에 근접한 성능을 내는 오픈소스 통합 멀티모달 모델 제품군 공개

기존의 강력한 폐쇄형 멀티모달 시스템들은 시스템 통합 방식에 의존하지만 내부 구현 방식은 공개되지 않아 연구에 제약이 있었습니다. 본 논문은 이해와 생성이 통합된 오픈소스 모델 제품군인 Boogu-Image-0.1을 제안합니다. 모델의 이해도 향상, 데이터 품질 최적화, 그리고 에이전트 기반의 추론 시간 스케일링(agentic inference-time scaling)을 통해 효율적인 학습 파이프라인을 구축했습니다. 결과적으로 약 2억 장의 이미지와 40만 달러 수준의 저비용 학습만으로도 기존 오픈소스 모델을 능가하고 선도적인 폐쇄형 모델에 근접하는 성능을 달성했습니다. 이를 위해 가중치, 코드, 레시피를 Apache 2.0 라이선스로 공개하여 오픈 생태계 발전에 기여하고자 합니다.

적은 컴퓨팅 자원과 데이터로도 고성능 생성/편집 모델을 구축할 수 있는 실무적인 학습 레시피를 제공합니다.