Vizuális MI ÚTMUTATÓ

DragGAN interaktív szerkesztés

A DragGAN lehetővé teszi a kép szerkesztését a pontok szó szerint húzásával: ragadjon meg egy helyet, és húzza a célpontra, és a kép valósághűen deformálódik, megváltoztatva a pózt, alakot vagy kifejezést.

Hallgassa meg ezt az útmutatótAI-narrált · ~2 min

Ezen az oldalon2 perc olvasás
  1. Áttekintés
  2. Mély merülés
  3. Valós megvalósítás
  4. A DragGAN interaktív szerkesztés jövője
  5. A gyakorlatba ültetés
  6. Folytassa a felfedezést
  7. Gyakran ismételt kérdések

Áttekintés

Ez azért fontos, mert lehetővé teszi a precíz, intuitív képkezelést csúszkák, maszkok vagy szöveges felszólítások nélkül.

Mély merülés

A DragGAN, a Pan, Tewari, Leimkuhler és a Max Planck és partnerei munkatársai (SIGGRAPH 2023) bevezették a GAN által generált képek pontalapú interaktív szerkesztését. A felhasználó egy vagy több „fogantyú” pontot helyez el a képen, és a megfelelő „cél” pontokat, ahol mozognia kell. A DragGAN ezután iteratív módon eltolja a látens kódot, így az egyes fogantyúk alatti tartalom a cél felé csúszik, míg a kép többi része koherens marad. Húzással meghosszabbíthatja az állatok lábát, megmosolyogtathatja az embert, megforgathatja az autót, vagy megváltoztathatja a táj kontúrjait. Lényeges, hogy a szerkesztések tiszteletben tartják a tanult képsokaságot, így az eredmények valósághűek maradnak, nem pedig elmosódnak a képpontok. Az opcionális maszk korlátozza, hogy mely régiók mozgathatók, finom lokalizált szabályozást biztosítva.

Valós megvalósítás

Portré arckifejezésének, tekintetének irányának vagy frizurájának beállítása az arcpontok húzásával

Állat vagy jármű pózának és tájolásának megváltoztatása, például egy autó elforgatása vagy az oroszlánfej áthelyezése

Termékfotók átalakítása (tárgyak meghosszabbítása, szélesítése vagy áthelyezése) tervezési makettekhez

A tájképek vagy a divatképek finomhangolása a kontúrok húzásával, például a hegyek formáinak vagy a ruhák illeszkedésének megváltoztatásával

A DragGAN interaktív szerkesztés jövője

A DragGAN gyors nyomon követési munkát indított el, és a húzás alapú vezérlést hozta a diffúziós modellekhez (mint például a DragDiffusion és a FreeDrag), amelyek a valódi fényképeket és tetszőleges tartalmakat robusztusabban kezelik, mint a GAN-ok. A húzással történő szerkesztéstől elvárható, hogy a kreatív szoftverek standard eszközévé váljon, szöveg- és régióvezérlőkkel kombinálva, és kiterjessze a videóra és a 3D-re is, így a felhasználók interaktív módon helyezhetik el az objektumokat a kereteken, vagy alakíthatják át a hálókat, mindezt a fotorealizmus megőrzése mellett.

A gyakorlatba ültetés

Miért számít

  • Sebesség és méretarány. A vizuális AI képes automatizálni az ellenőrzési, észlelési és címkézési feladatokat nagy léptékben.
  • Építési lehetőségek. A kreatív csapatok gyorsabban prototípusokat készíthetnek a koncepciókból, kevesebb kézi átdolgozással.
  • Csapat és munkafolyamat. A műveletek olyan kép- és videojeleket használhatnak, amelyeket korábban nehéz volt feldolgozni.

Vigyázz

  • A képhez fűződő jogok és a beleegyezés jogi kockázatot jelenthet, ha a származás nem egyértelmű.
  • A modell teljesítménye a világítástól, a demográfiai adatoktól és a környezettől függően változhat.
  • A hamis pozitívumok észrevétlenek maradhatnak, hacsak nem figyelik a megbízhatósági küszöböket.

Következő lépések

  1. Határozza meg a pontosság, a visszahívás és a hibaköltségek elfogadási kritériumait.
  2. Tesztelje a valós gyártási feltételeknek megfelelő adatokkal.
  3. Adjon hozzá emberi felülvizsgálatot az alacsony megbízhatóságú vagy nagy hatású előrejelzésekhez.
  4. A modell elsodródásának nyomon követése és újbóli érvényesítése a kamera vagy az adatkészlet módosítása után.

Folytassa a felfedezést

Ingyenes hírlevél

Szerezze meg a napi AI összefoglalót

Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.

Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.

Teszteld magad

Take the DragGAN Interactive Editing quiz

Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.

Kezdő kvíz

Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt

Gyakran ismételt kérdések

Mi az a DragGAN interaktív szerkesztés?

A DragGAN lehetővé teszi a kép szerkesztését a pontok szó szerint húzásával: ragadjon meg egy helyet, és húzza a célpontra, és a kép valósághűen deformálódik, megváltoztatva a pózt, alakot vagy kifejezést. Ez azért fontos, mert lehetővé teszi a precíz, intuitív képkezelést csúszkák, maszkok vagy szöveges felszólítások nélkül.

Hogyan szerkeszthet a felhasználó egy képet a DragGAN-ban?

A DragGAN szerkesztések úgy működnek, hogy a fogópontokat elhelyezik és a célhelyekre húzzák, ennek megfelelően deformálva a képet.

Mi a DragGAN két váltakozó alapvető lépése?

A DragGAN váltogatja a mozgásfelügyeletet (a funkciókat a célok felé mozgatja) és a pontkövetést (a fogantyúk áthelyezése), addig ismételgeti, amíg elkészül.

Miért tűnnek inkább valósághűnek a DragGAN szerkesztések, semmint elkenődve?

Mivel a manipuláció egy előképzett GAN látens terében történik, a kimenetek a valósághű képek sokaságán maradnak.

Mit vezérel a DragGAN opcionális maszkja?

A maszk lehetővé teszi a felhasználók számára, hogy a szerkesztést a kiválasztott régiókra korlátozzák, így a kép többi része rögzített marad.

Melyik helyszínen mutatták be különösen a DragGAN-t 2023-ban?

A DragGAN a SIGGRAPH 2023 egyik vezető számítógépes grafikai konferencián jelent meg.