mo-di-diffusion on Hugging Face vs Drag Your GAN

mo-di-diffusion est un point de contrôle Stable Diffusion 1.5 affiné sur Hugging Face qui génère des personnages et des scènes dans un style de film d'animation moderne. Le créateur nitrosocke l'a entraîné sur des captures d'écran d'un studio d'animation populaire en utilisant DreamBooth avec une perte de préservation préalable et un entraînement de l'encodeur de texte sur plus de 9 000 étapes. Ajoutez le token modern disney style à votre prompt pour déclencher cette esthétique.

Les points de contrôle SD 1.5 généraux visent le photoréalisme ou des styles d'illustration larges. mo-di-diffusion se concentre fortement sur ce look brillant d'animation de personnages, c'est pourquoi les exemples de prompts pour des héros de jeux, des animaux et des paysages sont tous plutôt cinématographiques que photographiques. Les poids se chargent via le pipeline standard Diffusers StableDiffusionPipeline, vous pouvez donc l'exécuter localement, dans Colab ou dans Hugging Face Spaces sans API propriétaire.

Les artistes, amateurs et développeurs expérimentant des concepts de personnages utilisent mo-di-diffusion lorsqu'ils souhaitent des rendus proches de Disney sans commander un entraînement de modèle personnalisé. La fiche du modèle inclut un code Python d'exemple, des liens vers des démos Gradio, ainsi que des notes sur les options d'export ONNX, MPS et FLAX. Il est téléchargeable gratuitement sous licence CreativeML OpenRAIL-M avec une utilisation commerciale autorisée sous réserve des restrictions de la licence sur les dommages.

Dans le domaine de la synthèse de contenu visuel pour répondre aux besoins des utilisateurs, il est essentiel d'obtenir un contrôle précis sur la pose, la forme, l'expression et la disposition des objets générés. Les approches traditionnelles de contrôle des réseaux adverses génératifs (GAN) reposaient sur des annotations manuelles lors de la formation ou sur des modèles 3D préalables, manquant souvent de la flexibilité, de la précision et de la polyvalence requises pour diverses applications.

Dans notre recherche, nous explorons une méthode innovante et relativement inexplorée pour le contrôle du GAN : la possibilité de « faire glisser » des points d'image spécifiques pour atteindre avec précision des points cibles définis par l'utilisateur de manière interactive (comme illustré sur la figure 1). Cette approche a conduit au développement de DragGAN, un nouveau framework comprenant deux composants principaux :

Supervision de mouvement basée sur les fonctionnalités : ce composant guide les points de poignée dans l'image vers leurs positions cibles prévues grâce à une supervision de mouvement basée sur les fonctionnalités.

Suivi des points : tirant parti des fonctionnalités discriminantes du GAN, notre nouvelle technique de suivi des points localise en permanence la position des points de poignée.

DragGAN permet aux utilisateurs de déformer les images avec une précision remarquable, permettant ainsi la manipulation de la pose, de la forme, de l'expression et de la disposition dans diverses catégories telles que les animaux, les voitures, les humains, les paysages, etc. Ces manipulations ont lieu au sein de la variété d'images génératives apprises d'un GAN, ce qui donne des résultats réalistes, même dans des scénarios complexes tels que la génération de contenu occlus et la déformation de formes tout en adhérant à la rigidité de l'objet.

Nos évaluations complètes, comprenant des comparaisons qualitatives et quantitatives, mettent en évidence la supériorité de DragGAN sur les méthodes existantes dans les tâches liées à la manipulation d'images et au suivi de points. De plus, nous démontrons ses capacités à manipuler des images du monde réel via l'inversion GAN, démontrant ainsi son potentiel pour diverses applications pratiques dans le domaine de la synthèse et du contrôle de contenu visuel.