在圖像生成領域，以 Stable Diffusion 為代表的擴散模型已然成為當前占據(jù)主導地位的范式，但擴散模型依賴于迭代推理，這是一把雙刃劍，因為迭代方法可以實現(xiàn)具有簡單目標的穩(wěn)定訓練，但推理過程需要高昂的計算成本。

DragGAN

交互式圖像編輯新高度

最近，來自馬克斯?普朗克計算機科學研究所、MIT CSAIL 和谷歌的研究者們研究了一種控制 GAN 的新方法 DragGAN，能夠讓用戶以交互的方式「拖動」圖像的任何點精確到達目標點。

這種全新的控制方法非常靈活、強大且簡單，有手就行，只需要選定想要「修」的部分（?? 紅點），再選擇移動的方向（?? 藍點）然后在圖像上「拖動」想改變的位置點（操縱點），剩下的交給 AI 就完事了。

比如一只狗狗，你可以通過拖拽直接修改狗狗嘴的大小，是否站立還是趴著，腿的長短等等。鼠標拖一拖，輕松變換小狗的動作。

再比如，你可以通過拖動操縱點，讓單手插兜的模特把手拿出來、改變站立姿勢、短袖改長袖。看上去就像是同一個模特重新拍攝了新照片：

DragGAN 能夠通過精確控制像素的位置對圖像進行改變，可處理的圖像類型包括動物、汽車、人類、風景等，涵蓋大量物體姿態(tài)、形狀、表情和布局，并且用戶的操作方法簡單通用。

更重要的是，得益于 AI 的加持，調整后的圖像依舊符合現(xiàn)實邏輯，幾乎看不出修圖的痕跡。

目前，DragGAN 終于宣布開源，所有人都下載體驗，小呆還為大家搞來了離線版，無需聯(lián)網(wǎng)就能玩，那么你會把 DragGAN 用在哪里呢？

在公眾號《奇跡秀》回復【?DragGAN?】獲取下載。

免責聲明：以上資源皆來源于互聯(lián)網(wǎng)公開分享的內(nèi)容，僅用于個人學習使用，請禁止用于商業(yè)用途和倒賣，如真正需要，請支持版權方。

END