概述
DragGAN 讓您可以透過直接拖曳點來編輯圖像：抓住一個點並將其拖曳到目標，圖片就會真實變形，改變姿勢、形狀或表情。這很重要，因為它可以在沒有滑桿、蒙版或文字提示的情況下進行精確、直觀的圖像操作。
DragGAN 互動式編輯屬於電腦視覺工作流程，可解釋或產生視覺媒體以進行分析、操作和創造力。
深入探討
來自 Max Planck 及其合作夥伴的 Pan、Tewari、Leimkuhler 及其同事 (SIGGRAPH 2023) 的 DragGAN 引入了對 GAN 生成的圖像進行基於點的交互式編輯。使用者在影像上放置一個或多個「手柄」點以及它們應該移動的相應「目標」點。然後，DragGAN 迭代地推動潛在程式碼，使每個手柄下的內容向其目標滑動，同時影像的其餘部分保持連貫。您可以拉長動物的腿、讓人微笑、旋轉汽車或改變景觀的輪廓，所有這些都可以透過拖曳來實現。至關重要的是，編輯尊重學習到的圖像流形，因此結果保持真實而不是塗抹像素。可選的掩模限制允許移動的區域，從而提供精細的局部控制。
技術洞察
DragGAN 在預先訓練的 GAN 的潛在空間和特徵空間中工作。它使用兩個交替步驟：運動監督（移動潛在代碼，使每個手柄附近的特徵向目標方向移動）和點跟踪（使用特徵圖中的最近鄰搜索重新定位手柄以跟隨其錨定的特徵）。重複這些步驟使影像沿著 GAN 流形移動，產生平滑、真實的變形。
掌握 DragGAN 互動式編輯
DragGAN 讓您可以透過直接拖曳點來編輯圖像：抓住一個點並將其拖曳到目標，圖片就會真實變形，改變姿勢、形狀或表情。這很重要，因為它可以在沒有滑桿、蒙版或文字提示的情況下進行精確、直觀的圖像操作。 DragGAN 互動式編輯屬於電腦視覺工作流程，可解釋或產生視覺媒體以進行分析、操作和創造力。為了建立深入的理解，請將 DragGAN 互動式編輯視為一種操作模型，而不是單一功能：定義所需的結果，澄清假設，並將系統可以可靠地完成的任務與仍需要專家判斷的任務分開。
在實踐中，使用 DragGAN 互動式編輯的強大團隊可以平衡準確性與數據品質、光照差異和標籤一致性等操作現實。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
視覺人工智慧可以大規模自動化檢查、檢測和標記任務。同時，如果出處不明，肖像權和同意可能會成為法律風險。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
視覺人工智慧可以大規模自動化檢查、檢測和標記任務。
視覺人工智慧可以大規模自動化檢查、檢測和標記任務。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
創意團隊可以透過更少的手動修改來更快地建立概念原型。
創意團隊可以透過更少的手動修改來更快地建立概念原型。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
操作可以使用以前難以處理的影像和視訊訊號。
操作可以使用以前難以處理的影像和視訊訊號。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
透過拖曳臉部點來調整肖像的表情、注視方向或髮型
改變動物或車輛的姿勢和方向，例如旋轉汽車或重新定位獅子的頭
為設計模型重塑產品照片（拉長、加寬或重新放置物件）
透過拖曳輪廓微調風景或時尚圖像，例如改變山形或服裝合身
實施模式
DragGAN 互動式編輯實踐
透過拖曳臉部點來調整肖像的表情、注視方向或髮型。
透過拖曳臉部點來調整肖像的表情、注視方向或髮型當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移跟踪生產力增益和錯誤成本時，通常會獲得更好的結果。
DragGAN 互動式編輯實踐
改變動物或車輛的姿勢和方向，例如旋轉汽車或重新定位獅子的頭部。
改變動物或車輛的姿勢和方向，例如旋轉汽車或重新定位獅子的頭。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會獲得更好的結果。
DragGAN 互動式編輯實踐
重塑產品照片（拉長、加寬或重新放置物件）以用於設計模型。
為設計模型重塑產品照片（加長、加寬或重新放置物件）當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會獲得更好的結果。
DragGAN 互動式編輯實踐
透過拖曳輪廓來微調風景或時尚圖像，例如改變山形或服裝合身。
透過拖曳輪廓來微調景觀或時尚影像，例如改變山脈形狀或服裝合身性 當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
風險與防護欄
如果出處不明，肖像權和同意可能會成為法律風險。
模型表現可能因光照、人口統計和環境的不同而有所不同。
除非監控置信閾值，否則誤報可能會被忽略。
實施路線圖
定義精確度、召回率和錯誤成本的接受標準。
定義精確度、召回率和錯誤成本的接受標準。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
使用符合實際生產條件的數據進行測試。
使用符合實際生產條件的數據進行測試。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
為低置信度或高影響力的預測添加人工審核。
為低置信度或高影響力的預測添加人工審核。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
追蹤模型漂移並在相機或資料集變更後重新驗證。
追蹤模型漂移並在相機或資料集變更後重新驗證。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。