Leonardo.Ai vs Drag Your GAN

O Leonardo.Ai converte prompts de texto em imagens e vídeos dentro de um navegador ou aplicativo móvel criado para trabalhos de produção criativa. Você escolhe entre modelos da plataforma como Lucid Origin, Phoenix 1.0 e Veo 3, ou treina um modelo pessoal a partir de suas próprias imagens de referência, e então gera arte, edita cenas, amplia a resolução e anima imagens estáticas sem sair do espaço de trabalho.

A maioria dos geradores de imagem vende tokens e para por aí. O Leonardo combina geração de imagens, ferramentas de movimento para vídeos, um upscaler universal e edição de precisão em uma única assinatura, com planos Premium e Ultimate oferecendo geração ilimitada relaxada em modelos selecionados após os tokens rápidos se esgotarem. Essa fila mais lenta permite que você continue criando sem comprar mais créditos, o que é importante quando você está iterando dezenas de quadros de conceito para uma apresentação de cliente.

A plataforma é voltada para artistas, designers, profissionais de marketing e estúdios de jogos que precisam de resultados consistentes em estilo e em volume. Estudos de caso no site citam campanhas de fãs da Ducati, a Gamepack reduzindo custos de produção em 50% e a Springbok acelerando a entrega de ativos de movimento. Planos para equipes incluem pools compartilhados de tokens, e uma API para desenvolvedores oferece créditos pay-as-you-go a partir de $5.

No campo de sintetizar conteúdo visual para atender às necessidades dos usuários, é essencial alcançar um controle preciso sobre pose, forma, expressão e layout de objetos gerados. As abordagens tradicionais para controlar redes adversárias generativas (GANs) se basearam em anotações manuais durante o treinamento ou modelos 3D anteriores, geralmente sem flexibilidade, precisão e versatilidade necessárias para diversas aplicações.

Em nossa pesquisa, exploramos um método inovador e relativamente desconhecido para o controle da GaN-a capacidade de "arrastar" pontos de imagem específicos para atingir com precisão os pontos de destino definidos pelo usuário de maneira interativa (conforme ilustrado na Fig.1). Essa abordagem levou ao desenvolvimento de Draggan, uma nova estrutura que compreende dois componentes principais:

Supervisão de movimento baseada em recursos: este componente guia os pontos da imagem em direção às posições do alvo pretendido por meio de supervisão de movimento baseado em recursos.

Rastreamento de pontos: alavancando os recursos discriminativos do GAN, nossa nova técnica de rastreamento de pontos localiza continuamente a posição dos pontos de alça.

O Draggan capacita os usuários a deformar imagens com precisão notável, permitindo a manipulação da pose, forma, expressão e layout em diversas categorias como animais, carros, humanos, paisagens e muito mais. Essas manipulações ocorrem dentro do coletor de imagem generativo instruído de um GaN, resultando em saídas realistas, mesmo em cenários complexos, como gerar conteúdo ocluído e formas deformadas enquanto aderem à rigidez do objeto.

Nossas avaliações abrangentes, abrangendo comparações qualitativas e quantitativas, destacam a superioridade do Draggan sobre os métodos existentes em tarefas relacionadas à manipulação de imagens e rastreamento de pontos. Além disso, demonstramos suas capacidades na manipulação de imagens do mundo real através da inversão de GaN, mostrando seu potencial para várias aplicações práticas no campo da síntese e controle de conteúdo visual.