Midjourney v6 vs Drag Your GAN

¡Descubra el siguiente paso en la creatividad impulsada por la IA con Midjourney v6! A partir de las vacaciones de invierno, los desarrolladores lanzarán una versión alfa para que la comunidad la pruebe. Esta nueva actualización promete una gran cantidad de mejoras, incluida una adherencia más precisa a las indicaciones, la capacidad de recibir indicaciones más largas, coherencia mejorada, conocimiento ampliado del modelo e incluso capacidades menores de dibujo de texto. Midjourney v6 también presenta un modo de remezcla y visualización de imágenes renovado para una experiencia de diseño visual enriquecida. Además, los usuarios pueden disfrutar de los escaladores mejorados, que se ofrecen en modos "sutil" y "creativo", para lograr el doble de resolución de imagen. En particular, esta versión funciona de manera diferente a sus predecesoras en términos de estilo de indicaciones, lo que requiere que los usuarios sean claros y explícitos en sus instrucciones para obtener resultados óptimos. Aunque se trata de una prueba alfa y el modelo está sujeto a cambios, los desarrolladores alientan a los usuarios a interactuar con esta poderosa herramienta de manera responsable y con una sensación de asombro, utilizando el servidor oficial de Discord Midjourney para debates comunitarios sobre las mejores prácticas. ¡Prepárate para aprovechar las profundas capacidades de Midjourney v6 y traspasar los límites de la imaginación colectiva!

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.