Leonardo.Ai 对比 Drag Your GAN

Leonardo.Ai 可在浏览器或专为创意生产工作打造的移动应用中，将文本提示转化为图像与视频。你可从平台模型（如 Lucid Origin、Phoenix 1.0 与 Veo 3）中选择，或用自己的参考图像训练专属模型，然后在工作空间内生成艺术作品、编辑镜头、提升分辨率并为静态图像添加动画，无需切换工具。

大多数图像生成器仅销售代币并就此止步。Leonardo 则在单一订阅中集成图像生成、视频动作工具、通用超分辨率与精准编辑功能，Premium 与 Ultimate 套餐在快速代币用尽后仍可提供无限制的“宽松”生成。这条慢速队列让你无需购买更多代币即可继续创作，这在为客户演示稿迭代数十张概念帧时尤为重要。

该平台面向需要批量输出风格一致作品的艺术家、设计师、营销人员与游戏工作室。网站上的案例研究包括 Ducati 粉丝营销活动、Gamepack 将制作成本降低 50% 以及 Springbok 加速动作素材交付。团队套餐提供共享代币池，开发者 API 则提供从 5 美元起步的“先用后付”代币。

在综合视觉内容以满足用户需求的领域中，对生成对象的姿势，形状，表达和布局进行精确控制至关重要。控制生成对抗网络（GAN）的传统方法在培训或先前的3D模型期间依赖手动注释，通常缺乏不同应用所需的灵活性，精度和多功能性。

在我们的研究中，我们探索了一种创新且相对未知的GAN控制方法 - 以交互式方式“拖动”特定图像点以精确达到用户定义的目标点的能力（如图1所示）。这种方法导致了Draggan的发展，Draggan是一个新的框架，其中包括两个核心组成部分：

基于功能的运动监督：此组件通过基于功能的运动监督将图像中的点指向其预期的目标位置。

点跟踪：利用歧视性GAN功能，我们的新点跟踪技术不断定位手柄点的位置。

德拉格（Draggan）使用户能够以显着的精度变形图像，从而使姿势，形状，表达和布局在各种类别（例如动物，汽车，人类，人类，景观等）中操纵。这些操作发生在gan的学到的生成图像歧管中，从而产生了现实的输出，即使在遵循对象的刚性的同时，在生成遮挡的内容和变形形状等复杂场景中也是如此。

我们的全面评估涵盖了定性和定量比较，突出了Draggan在与图像操作和点跟踪有关的任务中的现有方法的优越性。此外，我们证明了其在通过gan倒置操纵现实世界图像的能力，展示了其在视觉内容合成和控制领域中各种实际应用的潜力。