ड्रैगगैन इंटरैक्टिव संपादन
DragGAN आपको वस्तुतः बिंदुओं को खींचकर एक छवि को संपादित करने देता है: एक स्थान को पकड़ें और उसे लक्ष्य तक खींचें, और चित्र वास्तविक रूप से विकृत हो जाता है, मुद्रा, आकार या अभिव्यक्ति बदलता है।
सिंहावलोकन
यह मायने रखता है क्योंकि यह स्लाइडर, मास्क या टेक्स्ट प्रॉम्प्ट के बिना सटीक, सहज छवि हेरफेर संभव बनाता है।
गहरा गोता
पैन, तिवारी, लीमकुहलर और मैक्स प्लैंक के सहयोगियों और साझेदारों (SIGGRAPH 2023) के ड्रैगगैन ने GAN-जनित छवियों का बिंदु-आधारित इंटरैक्टिव संपादन पेश किया। उपयोगकर्ता एक छवि पर एक या अधिक 'हैंडल' बिंदु और संबंधित 'लक्ष्य' बिंदु रखता है जहां उन्हें जाना चाहिए। इसके बाद ड्रैगगैन गुप्त कोड को पुनरावृत्त रूप से नियंत्रित करता है ताकि प्रत्येक हैंडल के नीचे की सामग्री अपने लक्ष्य की ओर स्लाइड हो जाए जबकि बाकी छवि सुसंगत बनी रहे। आप किसी जानवर के पैरों को लंबा कर सकते हैं, किसी व्यक्ति को मुस्कुरा सकते हैं, कार को घुमा सकते हैं, या किसी भूदृश्य की आकृति को खींचकर बदल सकते हैं। महत्वपूर्ण रूप से, संपादन सीखी गई छवि का कई गुना सम्मान करते हैं, इसलिए परिणाम पिक्सेल को खराब करने के बजाय यथार्थवादी बने रहते हैं। एक वैकल्पिक मुखौटा प्रतिबंधित करता है कि किन क्षेत्रों में जाने की अनुमति है, जिससे स्थानीयकृत नियंत्रण मिलता है।
तकनीकी अंतर्दृष्टि
DragGAN एक पूर्व-प्रशिक्षित GAN के अव्यक्त और फ़ीचर स्थान में काम करता है। यह दो वैकल्पिक चरणों का उपयोग करता है: गति पर्यवेक्षण, जो अव्यक्त कोड को बदलता है ताकि प्रत्येक हैंडल के पास की विशेषताएं लक्ष्य दिशा की ओर बढ़ें, और बिंदु ट्रैकिंग, जो फीचर मानचित्रों में निकटतम-पड़ोसी खोज का उपयोग करके उस सुविधा का पालन करने के लिए हैंडल को स्थानांतरित करता है जिसे इसे एंकर किया गया था। इन चरणों को दोहराने से छवि GAN मैनिफोल्ड के साथ चलती है, जिससे चिकनी, यथार्थवादी विकृतियाँ उत्पन्न होती हैं।
सामरिक प्रभाव
गति और पैमाना
विज़ुअल एआई बड़े पैमाने पर निरीक्षण, पता लगाने और टैगिंग कार्यों को स्वचालित कर सकता है।
विकल्प बनाएं
रचनात्मक टीमें कम मैन्युअल संशोधनों के साथ तेजी से अवधारणाओं का प्रोटोटाइप बना सकती हैं।
टीम और वर्कफ़्लो
संचालन छवि और वीडियो संकेतों का उपयोग कर सकते हैं जिन्हें संसाधित करना पहले कठिन था।
ड्रैगगैन इंटरैक्टिव संपादन का भविष्य
ड्रैगगैन ने प्रसार मॉडल (जैसे ड्रैगडिफ्यूजन और फ्रीड्रैग) में ड्रैग-आधारित नियंत्रण लाने के लिए तेजी से अनुवर्ती कार्य शुरू किया, जो अकेले जीएएन की तुलना में वास्तविक तस्वीरों और मनमानी सामग्री को अधिक मजबूती से संभालते हैं। उम्मीद है कि ड्रैग एडिटिंग रचनात्मक सॉफ्टवेयर में एक मानक उपकरण बन जाएगा, जिसे टेक्स्ट और क्षेत्र नियंत्रण के साथ जोड़ा जाएगा और इसे वीडियो और 3डी तक बढ़ाया जाएगा, ताकि उपयोगकर्ता फोटोरियलिज्म को संरक्षित करते हुए फ्रेम में ऑब्जेक्ट को पोज कर सकें या इंटरैक्टिव रूप से मेश को फिर से आकार दे सकें।
वास्तविक विश्व कार्यान्वयन
चेहरे के बिंदुओं को खींचकर किसी चित्र की अभिव्यक्ति, देखने की दिशा या हेयर स्टाइल को समायोजित करना
किसी जानवर या वाहन की मुद्रा और दिशा बदलना, जैसे कार को घुमाना या शेर के सिर की स्थिति बदलना
डिज़ाइन मॉकअप के लिए उत्पाद फ़ोटो को दोबारा आकार देना (वस्तुओं को लंबा करना, चौड़ा करना या दोबारा रखना)।
आकृतियों को खींचकर परिदृश्य या फैशन छवियों को ठीक करना, जैसे कि पहाड़ के आकार या परिधान फिट को बदलना
जोखिम और रेलिंग
यदि उत्पत्ति अस्पष्ट है तो छवि अधिकार और सहमति कानूनी जोखिम बन सकते हैं।
मॉडल का प्रदर्शन प्रकाश व्यवस्था, जनसांख्यिकी और वातावरण के अनुसार भिन्न हो सकता है।
जब तक आत्मविश्वास की सीमा की निगरानी नहीं की जाती, तब तक झूठी सकारात्मक बातों पर ध्यान नहीं दिया जा सकता।
कार्यान्वयन रोडमैप
सटीकता, रिकॉल और त्रुटि लागत के लिए स्वीकृति मानदंड परिभाषित करें।
वास्तविक उत्पादन स्थितियों से मेल खाने वाले डेटा के साथ परीक्षण करें।
कम-आत्मविश्वास या उच्च-प्रभाव वाली भविष्यवाणियों के लिए मानवीय समीक्षा जोड़ें।
कैमरा या डेटासेट में बदलाव के बाद मॉडल बहाव को ट्रैक करें और पुनः सत्यापित करें।
अन्वेषण करते रहें
Free newsletter
Get the daily AI briefing
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.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
अगली गाइड
ट्यून-ए-वीडियो वन-शॉट संपादन
अक्सर पूछे जाने वाले प्रश्नों
ड्रैगगन इंटरएक्टिव एडिटिंग क्या है?
DragGAN आपको वस्तुतः बिंदुओं को खींचकर एक छवि को संपादित करने देता है: एक स्थान को पकड़ें और उसे लक्ष्य तक खींचें, और चित्र वास्तविक रूप से विकृत हो जाता है, मुद्रा, आकार या अभिव्यक्ति बदलता है। यह मायने रखता है क्योंकि यह स्लाइडर्स, मास्क या टेक्स्ट संकेतों के बिना सटीक, सहज छवि हेरफेर को संभव बनाता है।
कोई उपयोगकर्ता DragGAN में किसी छवि को कैसे संपादित करता है?
ड्रैगगैन संपादन हैंडल बिंदुओं को रखकर और उन्हें लक्ष्य स्थानों पर खींचकर, तदनुसार छवि को विकृत करके काम करता है।
DragGAN के दो वैकल्पिक मुख्य चरण क्या हैं?
ड्रैगगैन गति पर्यवेक्षण (लक्ष्य की ओर सुविधाओं को ले जाना) और बिंदु ट्रैकिंग (हैंडल को फिर से स्थापित करना) को वैकल्पिक करता है, जब तक कि यह पूरा न हो जाए।
DragGAN संपादन धूमिल होने के बजाय यथार्थवादी क्यों दिखते हैं?
क्योंकि हेरफेर पूर्व-प्रशिक्षित GAN के अव्यक्त स्थान में होता है, आउटपुट यथार्थवादी छवियों के मैनिफोल्ड पर बने रहते हैं।
DragGAN में वैकल्पिक मास्क क्या नियंत्रित करता है?
एक मास्क उपयोगकर्ताओं को संपादन को चुने हुए क्षेत्रों तक सीमित रखने देता है ताकि बाकी छवि स्थिर रहे।
DragGAN को 2023 में किस स्थान पर विशेष रूप से प्रस्तुत किया गया था?
DragGAN को एक प्रमुख कंप्यूटर ग्राफ़िक्स सम्मेलन SIGGRAPH 2023 में प्रकाशित किया गया था।