TrainEngine.ai vs Drag Your GAN

TrainEngine.ai est une plateforme d'IA avancée axée sur la libération du potentiel de l'intelligence artificielle dans le domaine de la génération d'images. Proposant des outils de pointe tels que Stable Diffusion XL pour un réglage fin, le site Web permet aux utilisateurs de former des modèles Dreambooth et de générer facilement une quantité illimitée d'actifs d'IA. Que vous soyez un artiste cherchant à créer des visuels uniques ou un développeur souhaitant intégrer des images générées par l'IA dans vos projets, TrainEngine.ai constitue une solution robuste.

En plus de ses puissantes capacités de formation de modèles, TrainEngine.ai propose une gamme impressionnante de modèles de tendances classés par activités et intérêts. De la génération de styles artistiques comme #gta5art et #darkcomic à la production d'actifs thématiques tels que #airforce et #potion-asset, la plateforme répond à un ensemble diversifié de besoins créatifs. Avec un processus rationalisé de formation des modèles et un programme d'accès anticipé pour les passionnés, TrainEngine.ai est sur le point de révolutionner la façon dont nous créons et utilisons le contenu généré par l'IA.

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.