ڈریگن انٹرایکٹو ایڈیٹنگ

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

پین، تیواری، لیمکوہلر اور میکس پلانک اور شراکت داروں (SIGGRAPH 2023) کے ساتھیوں سے DragGAN نے GAN سے تیار کردہ تصاویر کی پوائنٹ پر مبنی انٹرایکٹو ایڈیٹنگ متعارف کرائی۔ صارف تصویر پر ایک یا زیادہ 'ہینڈل' پوائنٹس اور متعلقہ 'ٹارگٹ' پوائنٹس رکھتا ہے جہاں انہیں منتقل ہونا چاہیے۔ DragGAN پھر تکراری طور پر لیٹنٹ کوڈ کو دھکیلتا ہے تاکہ ہر ہینڈل کے نیچے موجود مواد اپنے ہدف کی طرف سلائیڈ ہو جائے جبکہ باقی تصویر ہم آہنگ رہے۔ آپ کسی جانور کی ٹانگیں لمبا کر سکتے ہیں، کسی شخص کو مسکرا سکتے ہیں، گاڑی کو گھما سکتے ہیں، یا زمین کی تزئین کی شکل بدل سکتے ہیں، یہ سب کچھ گھسیٹ کر کر سکتے ہیں۔ اہم بات یہ ہے کہ ترامیم سیکھی ہوئی تصویر کا کئی گنا احترام کرتی ہیں، لہذا نتائج پکسلز کو بدبودار کرنے کے بجائے حقیقت پسندانہ رہتے ہیں۔ ایک اختیاری ماسک اس بات پر پابندی لگاتا ہے کہ کن علاقوں کو منتقل ہونے کی اجازت ہے، ٹھیک مقامی کنٹرول دے کر۔