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.

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.