NMKD Stable Diffusion GUI 对比 Drag Your GAN

使用NMKD稳定扩散GUI释放您的创造力，这是一种确定的工具，用于免费在您自己的GPU上生成AI驱动图像。体验旨在利用稳定扩散的功能的用户友好的GUI，使您可以将文本转换为令人惊叹的视觉效果或通过文本提示修改Windows平台上的文本图像。用每个更新随着平台的发展而成为AI图像生成的先锋。

NMKD稳定的扩散GUI提供了无缝的体验，包括预先包含的依赖项，消除了复杂装置的麻烦。通过专业功能（例如注意力重点和负面提示）来量身定制您的创意输出。通过同时运行多个提示或设计游戏的无缝易用纹理来冒险进入新的艺术领域。

对于寻求优势的爱好者和创建者，该工具支持自定义稳定的扩散和VAE型号，以及升级图像和恢复面孔的选项。使用文本反演和Lora培训深入研究自定义概念。通过嵌入工具中的强大安全措施，请确保您的创作保持安全。

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。