TrainEngine.ai 对比 Drag Your GAN

TrainEngine.ai是一个高级AI平台，旨在释放图像生成领域中人工智能的潜力。该网站提供诸如稳定扩散XL之类的尖端工具，使用户可以轻松地训练Dreambooth模型并生成无限量的AI资产。无论您是想要创建独特视觉效果的艺术家还是旨在将AI生成的图像集成到项目中的开发人员，TrainEngine.ai都可以作为强大的解决方案。

除了具有强大的模型培训功能外，TrainEngine.AI还拥有一系列令人印象深刻的趋势模型，这些模型按活动和兴趣分类。从生成＃gta5art和#darkcomic之类的艺术风格到生产#Airforce和＃Potion-Asset等主题资产，该平台可以满足各种创造性需求。通过简化的模型培训过程和为爱好者提供的早期访问计划，TrainEngine.ai准备彻底改变我们如何创建和利用AI生成的内容。

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。