Waifu-diffusion on Hugging Face 对比 Drag Your GAN

通过Hakurei/Waifu-diffusion项目探索人工智能的前沿。该文本对图像潜在扩散模型是为动漫爱好者量身定制的，利用了稳定的扩散管道，并以高质量的动漫图像进行了微调，以创建数字艺术的杰作。在Creativeml OpenRail-M下获得许可，它扩展了人工智能的民主化，允许个人和商业用途，重点是道德应用。

Waifu-diffusion专为创造力而设计，并为所有人提供了生成艺术的新标准。该项目支持Gradio Web UI和Google Colab，以便于使用。它的潜在用途范围从个人娱乐到协助创造艺术品的创作，非常适合艺术家，开发人员和动漫迷。

该平台承认稳定性AI和新颖AI的协作努力，证明了开源技术的发展。随着诸如WAIFU-DIFFUSION v1.4等定期更新以及每月数千个下载的下载，该平台继续发展，提供用户友好的体验，并提供示例代码，完整的模型概述和积极的社区参与。

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。