Waifu-diffusion on Hugging Face vs Drag Your GAN

Explore as fronteiras da inteligência artificial com o projeto Hakurei/Waifu-difusão. Este modelo de difusão latente de texto para imagem, adaptado para entusiastas do anime, aproveita o pipeline de difusão estável e foi ajustado com imagens de anime de alta qualidade para criar obras-primas da arte digital. Licenciado sob o CreativEML OpenRail-M, estende a democratização da IA, permitindo uso pessoal e comercial com foco em aplicações éticas.

Construído para a criatividade e disponível para todos, Waifu-difusão define novos padrões para arte generativa. O projeto suporta o Gradio Web UI e o Google Colab para uso fácil e acessível. Seus usos potenciais vão desde entretenimento pessoal até ajudar na criação generativa de obras de arte, é perfeito para artistas, desenvolvedores e fãs de anime.

Reconhecendo os esforços colaborativos da estabilidade da IA ​​e da nova IA, esta plataforma é uma prova do avanço da tecnologia de código aberto. Com atualizações regulares como o Waifu-Diffusion v1.4 e com milhares de downloads mensalmente, a plataforma continua a evoluir, oferecendo uma experiência amigável, completa com código de exemplo, visão geral completa do modelo e envolvimento ativo da comunidade.

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.