DreamShaper on CivitAI vs Drag Your GAN

DreamShaper on CivitAI es un checkpoint de Stable Diffusion 1.x creado por Lykon que se enfoca en la generación de imágenes de ilustración, retratos y estilos mixtos. La versión 8 se ofrece como una descarga SafeTensor fp16 de 1.99 GB, con versiones anteriores, variantes de inpainting, exportaciones para diffusers y una opción destilada LCM listadas en la página del modelo. El checkpoint es gratuito para descargar desde CivitAI bajo la licencia CreativeML Open RAIL-M.

Los checkpoints de SD de propósito general suelen inclinarse hacia lo fotorrealista o anime. DreamShaper busca manejar retratos, fondos y personajes estilizados en un solo archivo de peso, por lo que el autor lo describe como un modelo tipo navaja suiza para flujos de trabajo SD 1.5. La versión LCM sacrifica algo de calidad para generaciones de 5 a 15 pasos, adecuadas para video y uso en tiempo real.

Artistas, aficionados y usuarios locales de Stable Diffusion que desean un modelo base antes de añadir LoRAs son el público principal. CivitAI muestra más de 1 millón de descargas y más de 18,000 reseñas en la lista, y Lykon señala configuraciones sugeridas como CLIP skip 2 y corrección de alta resolución en las notas de la versión. Las membresías pagadas de CivitAI son independientes y financian beneficios de generación en el sitio, no la descarga del checkpoint en sí.

Drag Your GAN te permite remodelar una imagen generada arrastrando puntos de control hacia ubicaciones específicas en el lienzo. En lugar de entrenar con datos de pose etiquetados o prerrequisitos 3D, DragGAN mueve píxeles dentro del espacio de imágenes de un GAN preentrenado para que las ediciones se mantengan fotorrealistas incluso cuando se generan regiones ocultas. La página del proyecto aloja el artículo de SIGGRAPH 2023, clips de demostración y enlaces al código abierto.

La mayoría de los editores de GAN dependen de anotaciones fijas de entrenamiento o mallas 3D, lo que limita lo que se puede deformar. DragGAN combina supervisión de movimiento basada en características con seguimiento discriminativo de puntos para que los puntos de control sigan tu cursor mientras permanecen en la superficie del objeto. Esto lo hace útil para ajustar poses de animales, expresiones faciales, ángulos de autos y disposiciones de paisajes sin necesidad de reentrenar el generador.

Investigadores, estudiantes de gráficos y ingenieros de visión por computadora lo usan para prototipar flujos de trabajo interactivos de edición de imágenes. La página del Instituto Max Planck distribuye el PDF del artículo y el repositorio de GitHub bajo una licencia Creative Commons no comercial, con detalles de contacto del autor principal.