Leonardo.Ai vs Drag Your GAN

Leonardo.Ai convierte indicaciones de texto en imágenes y videos dentro de un navegador o aplicación móvil diseñada para trabajos de producción creativa. Puedes elegir entre modelos de plataforma como Lucid Origin, Phoenix 1.0 y Veo 3, o entrenar un modelo personal a partir de tus propias imágenes de referencia, para luego generar arte, editar tomas, aumentar la resolución y animar imágenes estáticas sin salir del espacio de trabajo.

La mayoría de los generadores de imágenes venden tokens y ahí se detienen. Leonardo combina generación de imágenes, herramientas de movimiento para video, un escalador universal y edición de precisión en una sola suscripción, con planes Premium y Ultimate que ofrecen generación relajada ilimitada en modelos seleccionados tras agotarse los tokens rápidos. Esa cola más lenta te permite seguir creando sin comprar más créditos, algo que importa cuando estás iterando docenas de fotogramas de conceptos para una presentación a un cliente.

La plataforma está dirigida a artistas, diseñadores, especialistas en marketing y estudios de juegos que necesitan producción consistente en estilo y volumen. Estudios de caso en el sitio citan campañas de fans de Ducati, Gamepack reduciendo costos de producción en un 50%, y Springbok acelerando la entrega de activos de movimiento. Los planes para equipos añaden fondos compartidos de tokens, y una API para desarrolladores ofrece créditos bajo demanda a partir de $5.

En el ámbito de la sintetización de contenido visual para satisfacer las necesidades de los usuarios, es esencial lograr un control preciso sobre la pose, la forma, la expresión y el diseño de los objetos generados. Los enfoques tradicionales para controlar las redes adversas generativas (GAN) se han basado en anotaciones manuales durante la capacitación o modelos 3D anteriores, a menudo carecen de la flexibilidad, la precisión y la versatilidad requeridas para diversas aplicaciones.

En nuestra investigación, exploramos un método innovador y relativamente desconocido para el control de GaN, la capacidad de "arrastrar" puntos de imagen específicos para alcanzar con precisión los puntos objetivo definidos por el usuario de manera interactiva (como se ilustra en la Fig.1). Este enfoque ha llevado al desarrollo de Draggan, un marco novedoso que comprende dos componentes centrales:

Supervisión de movimiento basada en características: este componente guía los puntos de manejo dentro de la imagen hacia sus posiciones objetivo previstas a través de la supervisión de movimiento basada en características.

Seguimiento de puntos: aprovechando las características discriminativas de GaN, nuestra nueva técnica de seguimiento de puntos localiza continuamente la posición de los puntos de manejo.

Draggan faculta a los usuarios para deformar las imágenes con notable precisión, permitiendo la manipulación de la pose, la forma, la expresión y el diseño en diversas categorías, como animales, automóviles, humanos, paisajes y más. Estas manipulaciones tienen lugar dentro del colector de imágenes generativas aprendidas de un GaN, lo que resulta en resultados realistas, incluso en escenarios complejos como generar contenido ocluido y formas deformantes mientras se adhieren a la rigidez del objeto.

Nuestras evaluaciones integrales, que abarcan comparaciones cualitativas y cuantitativas, destacan la superioridad de Draggan sobre los métodos existentes en tareas relacionadas con la manipulación de imágenes y el seguimiento de puntos. Además, demostramos sus capacidades para manipular imágenes del mundo real a través de la inversión de GaN, mostrando su potencial para diversas aplicaciones prácticas en el ámbito de la síntesis y control de contenido visual.