Fibo 2.0 Edit

Community-адаптер от akhaliq сжимает 4-шаговую модель редактирования Bria Fibo 2.0 Edit Turbo до одного вызова сети без CFG. Это LoRA-надстройка над замороженной базой: вместо четырёх DiT-forward на одно редактирование — один. Метод — Intrinsic Distribution Matching (IDM) из статьи Liu et al. (arXiv:2610.39633).

🤓 Ключевые особенности

• 😎 Один LoRA-адаптер: r=64, α=64, all-linear, три ветки gen/fake/ema на одной замороженной базе.
• ⌨ 1 NFE на редактирование вместо 4 у учителя; CFG не используется.
• 🤓 IDM: внутреннее distribution matching + feature moment loss (λ=0.5) с FIFO-очередями K=16384.
• 📝 Обучение: 9 000 троек из UltraEdit_500k (FreeForm, clip_sim_dir ≥ 0.1), 550 шагов, 1×H200, 1024×1024, batch 8, bf16.
• 🙃 На MagicBrush адаптер пока уступает наивному 1-step учителю по L1 и CLIP — это скорее исследовательский компромисс, чем готовая продакшн-замена.

⌨ Пример

import torch
from diffusers import BriaFibo2Pipeline
from diffusers.utils import load_image
pipe = BriaFibo2Pipeline.from_pretrained("briaai/Fibo-2.0-edit-turbo", torch_dtype=torch.bfloat16).to("cuda")
pipe.load_lora_weights("akhaliq/Fibo-2.0-edit-IDM-1step", weight_name="pytorch_lora_weights.safetensors")
img = load_image("photo.jpg")
edited = pipe("make the jacket red leather", image=img, num_inference_steps=1, guidance_scale=1.0).images[0]
edited.save("edited.png")

Подробнее

MagicBrush test, 128 first-turn rows, 1 NFE: L1 0.2624, CLIP-I 0.5312, CLIP-T 0.2002.
Для сравнения, наивный 1-step учитель: L1 0.2198, CLIP-I 0.5430, CLIP-T 0.2080.
Обучение — 1×H200, 550 шагов; VRAM для инференса в карточке не указана.
Ограничения: лучше удаются атрибутивные правки; структурные правки и текст в изображении — сложнее. Лицензия базы — CC BY-NC 4.0 (non-commercial).