概述
DragGAN 让您可以通过直接拖动点来编辑图像：抓住一个点并将其拖动到目标，图片就会真实地变形，改变姿势、形状或表情。这很重要，因为它可以在没有滑块、蒙版或文本提示的情况下进行精确、直观的图像操作。
DragGAN 交互式编辑属于计算机视觉工作流程，可解释或生成视觉媒体以进行分析、操作和创造力。
深入探讨
来自 Max Planck 及其合作伙伴的 Pan、Tewari、Leimkuhler 及其同事 (SIGGRAPH 2023) 的 DragGAN 引入了对 GAN 生成的图像进行基于点的交互式编辑。用户在图像上放置一个或多个“手柄”点以及它们应该移动的相应“目标”点。然后，DragGAN 迭代地推动潜在代码，使每个手柄下的内容向其目标滑动，同时图像的其余部分保持连贯。您可以拉长动物的腿、让人微笑、旋转汽车或改变景观的轮廓，所有这些都可以通过拖动来实现。至关重要的是，编辑尊重学习到的图像流形，因此结果保持真实而不是涂抹像素。可选的掩模限制允许移动的区域，从而提供精细的局部控制。
技术洞察
DragGAN 在预训练的 GAN 的潜在空间和特征空间中工作。它使用两个交替步骤：运动监督（移动潜在代码，使每个手柄附近的特征向目标方向移动）和点跟踪（使用特征图中的最近邻搜索重新定位手柄以跟随其锚定的特征）。重复这些步骤使图像沿着 GAN 流形移动，产生平滑、真实的变形。
掌握 DragGAN 交互式编辑
DragGAN 让您可以通过直接拖动点来编辑图像：抓住一个点并将其拖动到目标，图片就会真实地变形，改变姿势、形状或表情。这很重要，因为它可以在没有滑块、蒙版或文本提示的情况下进行精确、直观的图像操作。 DragGAN 交互式编辑属于计算机视觉工作流程，可解释或生成视觉媒体以进行分析、操作和创造力。为了建立深入的理解，请将 DragGAN 交互式编辑视为一种操作模型，而不是单一功能：定义所需的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中，使用 DragGAN 交互式编辑的强大团队可以平衡准确性与数据质量、光照差异和标签一致性等操作现实。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
视觉人工智能可以大规模自动化检查、检测和标记任务。同时，如果出处不明，肖像权和同意可能会成为法律风险。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
视觉人工智能可以大规模自动化检查、检测和标记任务。
视觉人工智能可以大规模自动化检查、检测和标记任务。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
创意团队可以通过更少的手动修改更快地构建概念原型。
创意团队可以通过更少的手动修改更快地构建概念原型。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
操作可以使用以前难以处理的图像和视频信号。
操作可以使用以前难以处理的图像和视频信号。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
通过拖动面部点来调整肖像的表情、注视方向或发型
改变动物或车辆的姿势和方向，例如旋转汽车或重新定位狮子的头
为设计模型重塑产品照片（拉长、加宽或重新放置对象）
通过拖动轮廓微调风景或时尚图像，例如改变山形或服装合身
实施模式
DragGAN 交互式编辑实践
通过拖动面部点来调整肖像的表情、注视方向或发型。
通过拖动面部点来调整肖像的表情、注视方向或发型当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
DragGAN 交互式编辑实践
改变动物或车辆的姿势和方向，例如旋转汽车或重新定位狮子的头部。
改变动物或车辆的姿势和方向，例如旋转汽车或重新定位狮子的头。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
DragGAN 交互式编辑实践
重塑产品照片（拉长、加宽或重新放置对象）以用于设计模型。
为设计模型重塑产品照片（加长、加宽或重新放置对象）当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
DragGAN 交互式编辑实践
通过拖动轮廓来微调风景或时尚图像，例如改变山形或服装合身。
通过拖动轮廓来微调景观或时尚图像，例如改变山脉形状或服装合身性 当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
风险与防护栏
如果出处不明，肖像权和同意可能会成为法律风险。
模型性能可能因光照、人口统计和环境的不同而有所不同。
除非监控置信阈值，否则误报可能会被忽视。
实施路线图
定义精确度、召回率和错误成本的接受标准。
定义精确度、召回率和错误成本的接受标准。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
使用符合实际生产条件的数据进行测试。
使用符合实际生产条件的数据进行测试。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
为低置信度或高影响力的预测添加人工审核。
为低置信度或高影响力的预测添加人工审核。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
跟踪模型漂移并在相机或数据集更改后重新验证。
跟踪模型漂移并在相机或数据集更改后重新验证。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。