DreamShaper on CivitAI vs Drag Your GAN

DreamShaper on CivitAI é um checkpoint Stable Diffusion 1.x criado por Lykon que foca em geração de imagens de ilustração, retrato e estilo misto. A versão 8 é disponibilizada como um download fp16 SafeTensor de 1.99 GB, com versões anteriores, variantes de inpainting, exportações para diffusers e uma opção destilada LCM listadas na página do modelo. O checkpoint é gratuito para download no CivitAI sob a licença CreativeML Open RAIL-M.

Checkpoints SD de uso geral costumam ser fotorealistas ou de estilo anime. DreamShaper busca lidar com retratos, fundos e personagens estilizados em um único arquivo de peso, por isso o autor o descreve como um modelo canivete suíço para fluxos de trabalho SD 1.5. A versão LCM troca um pouco de qualidade por gerações de 5 a 15 passos adequadas para vídeo e uso em tempo real.

Artistas, entusiastas e usuários locais de Stable Diffusion que desejam um modelo base antes de adicionar LoRAs são o público principal. O CivitAI mostra mais de 1 milhão de downloads e mais de 18.000 avaliações na listagem, e Lykon indica configurações sugeridas como CLIP skip 2 e correção de alta resolução nas notas da versão. Assinaturas pagas do CivitAI são separadas e financiam benefícios de geração no site, não o download do checkpoint em si.

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.