Inkpunk-Diffusion on Hugging Face vs Drag Your GAN

Inkpunk-Diffusion est un point de contrôle Stable Diffusion affiné avec Dreambooth sur Hugging Face qui produit des illustrations audacieuses à l'encre et au néon. Ajoutez le jeton déclencheur nvinkpunk à votre prompt pour obtenir un style influencé par Gorillaz, FLCL et l'art conceptuel de Yoji Shinkawa. Les poids sont distribués sous la licence CreativeML OpenRAIL-M et fonctionnent via le pipeline standard text-to-image de Diffusers.

Les points de contrôle SD à usage général produisent par défaut des rendus photoréalistes. Inkpunk-Diffusion restreint l'esthétique à un travail de ligne stylisé et des palettes de couleurs saturées, ce qui explique pourquoi plus de 100 Spaces Hugging Face et adaptateurs communautaires s'appuient dessus. Vous pouvez le charger localement avec Diffusers, ouvrir le Space démo Gradio, ou l'importer dans Draw Things et DiffusionBee sans entraîner votre propre LoRA.

La fiche modèle inclut des notebooks Colab et Kaggle ainsi que des images d'exemple dans le dépôt. Les téléchargements atteignent environ 400 par mois avec 988 likes communautaires sur le Hub. Les fournisseurs d'inférence ne l'hébergent pas encore, vous devez donc l'exécuter sur votre propre GPU, une application locale ou un Space Hugging Face.

Drag Your GAN vous permet de remodeler une image générée en déplaçant des points de contrôle vers des emplacements ciblés sur la toile. Plutôt que de s'entraîner sur des données de pose étiquetées ou des priorités 3D, DragGAN déplace les pixels à l'intérieur du domaine d'image d'un GAN préentraîné afin que les modifications restent photoréalistes même lorsque des régions occultées sont imaginées. La page du projet héberge l'article SIGGRAPH 2023, des clips de démonstration et des liens vers le code source ouvert.

La plupart des éditeurs GAN s'appuient sur des annotations d'entraînement fixes ou des maillages 3D, ce qui limite ce que vous pouvez déformer. DragGAN associe une supervision du mouvement basée sur les caractéristiques à un suivi discriminatif des points pour que les points de contrôle suivent votre curseur tout en restant à la surface de l'objet. Cela le rend utile pour ajuster les poses d'animaux, les expressions faciales, les angles de voiture et les agencements de paysage sans réentraîner le générateur.

Des chercheurs, étudiants en infographie et ingénieurs en vision par ordinateur l'utilisent pour prototyper des flux de travail d'édition d'image interactifs. La page de l'Institut Max Planck distribue le PDF de l'article et le dépôt GitHub sous une licence Creative Commons non commerciale, avec les coordonnées de l'auteur principal.