ቪዥዋል AI መመሪያ

DragGAN መስተጋብራዊ አርትዖት

DragGAN በቀጥታ ነጥቦችን በመጎተት ምስልን እንዲያርትዑ ይፈቅድልዎታል፡ አንድ ቦታ ይያዙ እና ወደ ኢላማ ይጎትቱት፣ እና ስዕሉ በእውነታው ይለውጣል፣ አቀማመጥ፣ ቅርፅ ወይም አገላለጽ ይቀይራል።

2 ሚን አንብብለመጨረሻ ጊዜ የዘመነው ጁን 2 2026

አጠቃላይ እይታ

It matters because it makes precise, intuitive image manipulation possible without sliders, masks, or text prompts.

ጥልቅ ዳይቭ

ድራግጋን፣ ከፓን፣ ቴዋሪ፣ ሊምኩህለር እና ባልደረቦች በማክስ ፕላንክ እና አጋሮች (SIGGRAPH 2023)፣ በ GAN የመነጩ ምስሎችን በነጥብ ላይ የተመሰረተ መስተጋብራዊ አርትዖትን አስተዋውቀዋል። ተጠቃሚው አንድ ወይም ከዚያ በላይ 'የእጅ መያዣ' ነጥቦችን በምስል እና ተዛማጅ 'ዒላማ' ነጥቦችን መንቀሳቀስ አለባቸው። ድራግጋን በመቀጠል ድብቅ ኮድን ደጋግሞ ገፋ ያደርገዋል ስለዚህም በእያንዳንዱ እጀታ ስር ያለው ይዘት ወደ ዒላማው ሲንሸራተት የተቀረው ምስል ወጥነት ያለው ሆኖ ይቆያል። የእንስሳትን እግር ማራዘም፣ ሰውን ፈገግ ማድረግ፣ መኪና ማሽከርከር ወይም የመሬት አቀማመጥን በመጎተት መለወጥ ትችላለህ። በወሳኝ መልኩ፣ አርትዖቶች የተማረውን የምስል ልዩ ልዩ ያከብራሉ፣ ስለዚህ ውጤቶቹ ፒክስሎችን ከመቀባት ይልቅ እውነተኛ እንደሆኑ ይቆያሉ። የአማራጭ ጭንብል የትኛዎቹ ክልሎች እንዲንቀሳቀሱ እንደሚፈቀድ ይገድባል፣ ይህም ጥሩ የአካባቢ ቁጥጥር ያደርጋል።

ቴክኒካዊ ግንዛቤ

DragGAN ቀድሞ በሰለጠነ የ GAN ድብቅ እና ባህሪ ቦታ ላይ ይሰራል። ሁለት ተለዋጭ ደረጃዎችን ይጠቀማል፡ የእንቅስቃሴ ቁጥጥር፣ ስውር ኮድን ስለሚቀይር በእያንዳንዱ እጀታ አጠገብ ያሉ ባህሪያት ወደ ዒላማው አቅጣጫ እንዲሄዱ እና የነጥብ መከታተያ፣ ይህም መያዣውን ወደ ሌላ ቦታ የሚያዛውረው በባህሪ ካርታዎች ውስጥ የቅርብ ጎረቤት ፍለጋን በመጠቀም ነው። እነዚህን እርምጃዎች መድገም ምስሉን በ GAN ማኒፎልድ በኩል ይራመዳል፣ ይህም ለስላሳ እና ተጨባጭ ለውጦችን ይፈጥራል።

ስልታዊ ተጽእኖ

ፍጥነት እና ልኬት

ቪዥዋል AI የመመርመሪያ፣ የማወቅ እና የመለያ ስራዎችን በሚዛን መጠን በራስ ሰር ሊያደርግ ይችላል።

ምርጫዎችን ይገንቡ

የፈጠራ ቡድኖች በጥቂት የእጅ ክለሳዎች ጽንሰ-ሀሳቦችን በፍጥነት መተየብ ይችላሉ።

ቡድን እና የስራ ፍሰት

ክዋኔዎች ከዚህ ቀደም ለማስኬድ አስቸጋሪ የነበሩትን የምስል እና የቪዲዮ ምልክቶችን መጠቀም ይችላሉ።

የ DragGAN በይነተገናኝ አርትዖት የወደፊት

ድራግጋን ፈጣን የክትትል ስራን አስነስቷል ጎትት-ተኮር ቁጥጥር ወደ ስርጭት ሞዴሎች (እንደ DragDiffusion እና FreeDrag ያሉ) እውነተኛ ፎቶዎችን እና የዘፈቀደ ይዘቶችን ከGANs የበለጠ በብቸኝነት የሚያስተናግዱ። ድራግ አርትዖት በፈጠራ ሶፍትዌሮች ውስጥ መደበኛ መሳሪያ እንዲሆን ከጽሑፍ እና ከክልል መቆጣጠሪያዎች ጋር ተዳምሮ እና ወደ ቪዲዮ እና 3D የተዘረጋ ተጠቃሚዎች ነገሮችን በፍሬም ላይ እንዲያነሱ ወይም በይነተገናኝ ምስሉን እንዲቀርጹ ይጠብቁ፣ ሁሉም ፎቶሪያሊዝምን በመጠበቅ ላይ።

የእውነተኛ-ዓለም አተገባበር

የፊት ነጥቦችን በመጎተት የቁም አቀማመጥ፣ የአመለካከት አቅጣጫ ወይም የፀጉር አሠራር ማስተካከል

የእንስሳትን ወይም የተሸከርካሪውን አቀማመጥ እና አቅጣጫ መቀየር፣ እንደ መኪና ማሽከርከር ወይም የአንበሳ ጭንቅላትን ማስተካከል

ለንድፍ መሳለቂያዎች የምርት ፎቶዎችን (እቃዎችን ማራዘም፣ ማስፋት ወይም ማስተካከል) እንደገና መቅረጽ

እንደ የተራራ ቅርጾችን ወይም ተስማሚ ልብሶችን የመሳሰሉ ቅርጾችን በመጎተት ጥሩ መልክዓ ምድራዊ ወይም የፋሽን ምስሎችን ማስተካከል

አደጋዎች እና የጥበቃ መንገዶች

የምስል መብቶች እና ፈቃድ ግልጽ ካልሆነ ህጋዊ አደጋዎች ሊሆኑ ይችላሉ።

የሞዴል አፈጻጸም በብርሃን፣ በስነ-ሕዝብ እና በአካባቢው ሊለያይ ይችላል።

የመተማመን ገደቦች ካልተቆጣጠሩ የውሸት አወንታዊ ነገሮች ላይታዩ ይችላሉ።

የትግበራ ፍኖተ ካርታ

ለትክክለኛነት፣ ለማስታወስ እና ለስህተት ወጪዎች የመቀበያ መስፈርቶችን ይግለጹ።

ከእውነተኛ የምርት ሁኔታዎች ጋር በሚዛመድ ውሂብ ይሞክሩ።

ለዝቅተኛ እምነት ወይም ከፍተኛ ተጽዕኖ ትንበያ የሰው ግምገማን ያክሉ።

ከካሜራ ወይም የውሂብ ስብስብ ለውጦች በኋላ የሞዴሉን ተንሸራታች ይከታተሉ እና እንደገና ያረጋግጡ።

ማሰስዎን ይቀጥሉ

የኮምፒውተር እይታ

ምስላዊ AIን የሚያበረታቱ መሰረታዊ ስርዓቶችን ይረዱ።

መመሪያ ያንብቡ

AI ምስል ማመንጨት

የፍጥረት የስራ ፍሰቶችን እና የሞዴል ንግድን ያስሱ።

መመሪያ ያንብቡ

Free newsletter

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the DragGAN Interactive Editing quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

ጥያቄ ጀምር

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

ቀጣይ መመሪያ

ቃኝ-A-ቪዲዮ አንድ-ሾት አርትዖት

ቀጣዩን መመሪያ ያንብቡ ሁሉንም ጥያቄዎች ያስሱ

በተደጋጋሚ የሚጠየቁ ጥያቄዎች

What is DragGAN Interactive Editing?

DragGAN በቀጥታ ነጥቦችን በመጎተት ምስልን እንዲያርትዑ ይፈቅድልዎታል፡ አንድ ቦታ ይያዙ እና ወደ ኢላማ ይጎትቱት፣ እና ስዕሉ በእውነታው ይለውጣል፣ አቀማመጥ፣ ቅርፅ ወይም አገላለጽ ይቀይራል። ያለ ተንሸራታቾች፣ ጭምብሎች ወይም የጽሑፍ መጠየቂያዎች ትክክለኛ፣ ሊታወቅ የሚችል የምስል ማጭበርበር ስለሚቻል አስፈላጊ ነው።

አንድ ተጠቃሚ በ DragGAN ውስጥ ምስልን እንዴት እንደሚያርትዕ?

ድራግጋን አርትዖቶች የሚሠሩት የመያዣ ነጥቦችን በማስቀመጥ እና ወደ ዒላማ ቦታዎች በመጎተት ነው፣ በዚህም መሠረት ምስሉን በመቅረጽ።

የ DragGAN ሁለት ተለዋጭ ዋና ደረጃዎች ምንድናቸው?

ድራግጋን የእንቅስቃሴ ቁጥጥርን (ወደ ዒላማዎች የሚንቀሳቀሱ ባህሪያትን) እና የነጥብ መከታተያ (እጅዎችን እንደገና ማግኘት) ይለዋወጣል፣ እስኪጠናቀቅ ድረስ ይደጋገማል።

ለምንድነው DragGAN አርትዖቶች ከመቀባት ይልቅ ተጨባጭ የሚመስሉት?

ማጭበርበር የሚከናወነው አስቀድሞ በሰለጠነ GAN ድብቅ ቦታ ውስጥ ስለሆነ፣ ውጤቶቹ በእውነታው የምስሎች ልዩነት ላይ ይቀራሉ።

በ DragGAN ውስጥ ያለው አማራጭ ጭምብል ምን ይቆጣጠራል?

ጭንብል ተጠቃሚዎች በተመረጡት ክልሎች ላይ አርትዖቶችን እንዲገድቡ ያስችላቸዋል ስለዚህም የተቀረው ምስል ተስተካክሎ እንዲቆይ።

ድራግጋን በተለይ በ2023 በየትኛው ቦታ ቀርቧል?

ድራግጋን በ SIGGRAPH 2023 መሪ የኮምፒውተር ግራፊክስ ኮንፈረንስ ላይ ታትሟል።