在圖像生成領域，以 Stable Diffusion 為代表的擴散模型已然成為當前占據主導地位的范式。但擴散模型依賴迭代推理，雖然此方法可以實現具有簡單目標的穩定訓練，但推理過程需要高昂的計算成本。

(資料圖片僅供參考)

在 Stable Diffusion 之前，生成對抗網絡（GAN）是圖像生成模型中常用的基礎架構。相比于擴散模型，GAN 通過單個前向傳遞生成圖像，因此本質上是更高效的。但由于訓練過程的不穩定性，擴展 GAN 需要仔細調整網絡架構和訓練因素。因此，GAN 方法很難擴展到非常復雜的數據集上，這是 GAN 式微的原因之一。

當前，GAN 主要是通過手動注釋訓練數據或先驗 3D 模型來保證其可控性，這通常缺乏靈活性、精確性和通用性。然而，一些研究者看重 GAN 在圖像生成上的高效性，做出了許多改進 GAN 的嘗試。

其中，來自馬克斯普朗克計算機科學研究所、MIT CSAIL 和谷歌等機構的研究者們提出了一種強大的控制 GANs 的方式，即以用戶交互的方式拖動圖像的任何關鍵點以精確到達目標點。

為了實現這一點，該研究提出了 DragGAN，它包含兩個主要組成部分：1）基于特征的運動監督，用于驅動關鍵點向目標位置移動；2）一種新的點追蹤方法，利用 GAN 的特征來定位關鍵點的位置。

通過 DragGAN，任何人都可以精確控制像素的移動位置來變形圖像，從而操控各種空間屬性，如動物、汽車、人類、風景等的姿態、形狀、表情和布局。由于這些操控在 GAN 的生成圖像流形上進行，因此 DragGAN 可以生成被遮擋的內容和以及保證物體的形變符合物體的結構。定性和定量比較都表明，DragGAN 在圖像操控和點追蹤任務上優于先前的方法。此外，該研究還展示了通過 GAN 重建操控真實圖像的例子。

為了讓大家更好的了解這一研究，機器之心最新一期線上分享邀請到了 DragGAN 論文第一作者潘新鋼，通過本次分享，大家可以更深入的了解這一項研究。

嘉賓簡介：潘新鋼是南洋理工大學計算機科學與工程學院助理教授。此前他在馬克斯普朗克計算機科學研究所從事博士后研究。他于清華大學獲得學士學位，于香港中文大學 MMLAB 獲得博士學位，師從湯曉鷗教授。他的主要研究方向是生成式 AI。

分享摘要：這次分享將主要介紹 DragGAN，一種新的圖像編輯方法。通過 DragGAN，用戶可以通過交互的方式拖動 GAN 所生成的圖像的任何關鍵點以精確到達目標點，從而實現對各種空間屬性如姿態、形狀、表情和布局等的操控。

相關鏈接

論文鏈接：https://arxiv.org/abs/2305.10973

項目主頁鏈接：https://vcai.mpi-inf.mpg.de/projects/DragGAN/

直播間：關注機器之心機動組視頻號，立即預約直播。

交流群：本次直播設有 QA 環節，歡迎加入本次直播交流群探討交流。