Drag Your GAN vs Midjourney

Drag Your GAN permite remodelar uma imagem gerada arrastando pontos de controle para locais específicos na tela. Em vez de treinar com dados de pose rotulados ou prévias 3D, o DragGAN move pixels dentro do espaço de imagens de um GAN pré-treinado para que as edições permaneçam fotorrealistas mesmo quando regiões ocultas são imaginadas. A página do projeto hospeda o artigo do SIGGRAPH 2023, clipes de demonstração e links para o código aberto.

A maioria dos editores de GAN depende de anotações fixas de treinamento ou malhas 3D, o que limita o que pode ser deformado. O DragGAN combina supervisão de movimento baseada em características com rastreamento discriminativo de pontos para que os pontos de controle sigam o cursor enquanto permanecem na superfície do objeto. Isso o torna útil para ajustar poses de animais, expressões faciais, ângulos de carros e layouts de paisagens sem precisar retreinar o gerador.

Pesquisadores, estudantes de computação gráfica e engenheiros de visão computacional o utilizam para prototipar fluxos de trabalho interativos de edição de imagens. A página do Instituto Max Planck distribui o PDF do artigo e o repositório GitHub sob uma licença Creative Commons não comercial, com detalhes de contato do autor principal.

Midjourney é um modelo de geração de imagens e vídeos que você utiliza através do aplicativo web midjourney.com, com galerias comunitárias na seção Explore e suporte oferecido via Discord. A versão 8.2 é a atual, e o site de carreiras descreve trabalhos contínuos tanto em modelos criativos quanto em projetos de pesquisa separados.

Comparado com APIs de imagem de uso geral, Midjourney oferece controle estético e curadoria comunitária em vez de apenas alto desempenho bruto. Os planos pagos adicionam o modo Relax para gerações ilimitadas mais lentas, modo Stealth para manter o trabalho privado nos planos Pro e Mega, e pools de horas Fast GPU escalonados que são renovados mensalmente.

A empresa se define como um laboratório de pesquisa financiado pela comunidade com cerca de 60 pessoas, com escritórios em San Francisco, Londres e Nova York. Seu público-alvo são artistas, designers, profissionais de marketing e entusiastas que desejam imagens estilizadas e vídeos curtos sem precisar gerenciar sua própria infraestrutura de GPU.