本地视角记录硅谷,全球视野关注创新
别忘了给我们加星标~

2023


(资料图)

新技术追踪

BUSINESS

李白实验室抢先开源「复刻」版DragGAN

文|硅星人编辑| VickyXiao

在大家沉迷于Midjourney、Stable Diffusion 技术中无法自拔时,一时被人遗忘的GAN又带着新技术重出江湖了。现在P图,你只需要“轻轻点两下”,AI就能迅速理解你的想法,秒速生成结果图。

DragGAN是由Max Planck研究所开发的一种新的人工智能工具,它允许用户通过几个点击和拖动来真实地修改照片,目前还未对外开源。但王道控股旗下的“李白实验室”算法团队抢先重现了DragGAN的效果。

目前,可直接使用的模型能够让你轻松掌控图片中的人物和动物,通过拖拽控制点和目标点来调整他们的位置、形状、姿势等等。现在已经可以在 Hugging Face 上直接使用了。

体验入口:

/spaces/wuutiing2/DragGAN_pytorch

几个点击,轻松生成结果图

修改微笑弧度,让一张严肃的照片变成露牙甜美笑

放大图片中小哥哥的眼睛

拍照脸型不好看,一键瘦脸,毫无PS痕迹

觉得猫咪太瘦不够可爱,可以给它拉大脸庞,增加可爱度。

发际线拯救神器,这简直就是秃头星人的救命工具

轻轻一拖,在不影响美观的情况下,可以让猫咪的耳朵缩小

让狮子向右侧方向移动,是不是和“大象转身”的操作很接近

可以随意改变模特的发型,短发变长发;本来双脚分开站立的模特,可以瞬间把腿拉至并拢

原理揭秘:基于GAN的图像编辑方法

虽然上述的效果展示很多,但是其实DragGAN也就两个技术原理:

1、基于特征的运动监督,驱动手柄点向目标位置移动;

2、一个新的点追踪方法,利用鉴别性的发生器特征,不断定位手柄点的位置。

DragGAN是一种基于GAN的图像编辑方法,可以实现运动监督和精确点跟踪。任何人都可以通过DragGAN对像素进行精确的控制,进而编辑如动物、汽车、人类、风景等多种类别的姿态、形状、表情和布局。

DragGAN还允许用户选择感兴趣的区域以执行特定于区域的编辑,而不需要依赖其他网络。李白实验室复现的“DragGAN”只需要几秒就能完成效果,你可以选择不同的迭代步数,步数越多效果越夸张,其生成时间就越慢。

此外,DragGAN的无损优化功能可以让用户输入二进制掩码,指示图像中的可移动区域,从而实现更细致的控制,避免损坏图片的原属性。

与传统PS的液化功能相比,DragGAN在编辑图片时可以更好地保持图片的原始属性,并且具有更广泛的应用范围。例如,可以使用DragGAN来改变图片中车辆的位置、大小和轮胎的形状等。这种方法可以在几次鼠标拖动的时间内完成,非常方便快捷。

聚焦图像处理:从大项目到“小”工具

此次复现了DragGAN的“李白实验室”是一个年轻的人工智能技术团队,其中主创始人唐勇博士,毕业于美国宾夕法尼亚州立大学,在美国知名500强企业担任技术学科专家,高级工程师等。其他成员均毕业于国内外知名高校,清华、北大、浙大、英国皇家理工和美国常青藤范围等。

在开启创业之路之前,唐勇曾在美国的知名研究机构以及世界五百强企业工作。他主导并参与了众多社会、环境和能源的相关项目,这些项目的合作伙伴包括美国环保署,美国国家海洋和大气管理局以及全球顶尖能源公司。他专注于运用数学物理模型、高性能计算、多目标优化以及人工智能技术,解答现实世界中大尺度、多模态、多变量的复杂难题,这其中包括洪水预报、气候变化、能源管道设备优化设计以及系统安全等一系列棘手问题。

然而,现实世界的问题千丝万缕,影响因子五花八门,充满了无法预料的不确定性,完全理解其数学物理机理似乎是一项几乎无法完成的挑战。因此,在找到合伙人并得到杭州王道创投基金的支持后,唐勇还是成立了名为“李白”的人工智能实验室,投入大量精力研发计算机视觉、语音以及自然语言处理等前沿技术,希望通过人工智能技术提升模型的泛化能力,从而更有效地解决现实世界的复杂问题。

郭铭涛作为主创人员,也和在团队一起攻坚克难后,终于复现了DragGAN。郭铭涛来自四川大学图像所,目前在读博士一年级,主要研究方向就是深度生成模型,此前他还获得了CVPR 2023 工业图像缺陷生成竞赛冠军。

“李白实验室”在智能图像生成方面已经有不少积累。他们基于GAN技术实现了图像分割、图像修复增强、视频处理等实用性功能,其中图像背景分割算法模型在全球图像分割的模型评比中斩获全球第一,获得国内外近30项学术和研究成果专利,80%为发明专利。

他们还在2019年创办了“皮卡智能”项目,海外同步上线“”项目,海外月活超千万用户,海外站更是跻身图像编辑工具分类排名前十。

2023年在AIGC爆火期间,他们还推出“神采PromeAI”的项目。该项目通过算法优化升级,可直接应用于建筑、室内、产品、游戏/动漫场景设计中,不需要复杂的关键词及参数设置,就可一键生成效果图、线稿、电商产品图等,实现把AIGC从玩具到工具的实用性转变。

李白实验室告诉硅星人,自创立之初,他们便投入大量精力研发计算机视觉、语音以及自然语言处理等前沿技术。目前技术还在设计、营销、生命科学等多个领域进行了商业落地,在实际生活中也得到了广泛应用。

他们此次开源“复刻版”DragGAN,也是为了能让每一个普通用户都能简单使用这些工具,努力把AI技术革新的成功带到普通用户身边。

若将DragGAN与图像生成工具结合使用,下一代内容革新技术产品或许即将诞生,用户将能够更接近他们心目中理想图像的输入。

也许不久之后,谁都可以轻松完成甲方提出“让大象转个身”的需求了。

*参考资料:

注:封面图来自于Pexels,版权属于原作者。如果不同意使用,请尽快联系我们,我们会立即删除。

END

喜欢这篇文章?

1)点击右下角的“在看”
2)分享到你的朋友圈和微信群
3)赶快关注硅星人吧!
关注硅星人,带你用本地视角看硅谷,全球视野看创新

推荐内容