NMKD Stable Diffusion GUI vs Drag Your GAN

NMKD Stable Diffusion GUI ejecuta generación de texto a imagen e imagen a imagen localmente en tu PC con Windows usando tu propia GPU. La descarga en itch.io incluye las dependencias para que no tengas que configurar Python manualmente, y la versión 1.11.0 incluye un modelo Stable Diffusion 1.5 en un paquete de 3.3 GB o una versión de 1.5 GB si usas tus propios checkpoints.

A diferencia de los generadores basados en navegador que ponen trabajos en cola en servidores remotos, NMKD mantiene todo en tu hardware sin recopilar datos. Añade entrenamiento LoRA en GPUs de 8 GB, edición InstructPix2Pix, escalado RealESRGAN y restauración facial con CodeFormer o GFPGAN en una sola aplicación de escritorio. El autor reporta generaciones en menos de 2 segundos en una RTX 3090 y en menos de un segundo en una RTX 4090.

Aficionados de Windows, artistas de texturas para juegos y creadores que quieren control local sin censura son el público principal. Colas de prompts integradas, salida en mosaico para activos de juegos, carga personalizada de VAE y checkpoints, y un escaneo de malware en modelos descargados lo convierten en una herramienta completa de estación de trabajo en lugar de una demo rápida en línea.

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.