FreeDrag

FreeDrag

创新的特征拖拽图像编辑框架

这个开源项目提出了FreeDrag,一种无需点追踪的图像编辑框架。它通过自适应特征更新和线性搜索技术,提升了语义拖拽的稳定性和效率。FreeDrag适用于多种复杂场景,支持StyleGAN和扩散模型,可编辑真实和生成图像。

FreeDrag图像编辑特征拖拽StyleGAN2点追踪Github开源项目
<p align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/8aca8d68-4d67-4247-99d0-d5d5369ee6be.png"> </p>

FreeDrag:用于可靠的基于点的图像编辑的特征拖拽(CVPR 2024)

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/04d859b0-ca03-46d4-915f-736dab12a940.png"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/5e90b8b3-3443-4588-a049-190fc3be5f84.png"> </p>

可视化

![]

网页演示(在11种不同的StyleGAN2模型中进行在线拖拽编辑)

在OpenXLab中打开

FreeDrag:用于可靠的基于点的图像编辑的特征拖拽的官方实现。

本仓库提出了FreeDrag,这是一个新颖的交互式基于点的图像编辑框架,无需繁琐且不稳定的点追踪过程🔥🔥🔥。

摘要

为满足复杂多样的图像编辑需求,精确灵活地操作图像内容至关重要。近期,基于拖拽的编辑方法取得了令人印象深刻的表现。然而,这些方法主要集中在点拖拽上,导致两个值得注意的缺点,即"追踪遗漏",即难以准确追踪预定的控制点,以及"模糊追踪",即追踪的点可能被错误定位在与控制点相似的区域。为解决上述问题,我们提出了FreeDrag,这是一种旨在摆脱点追踪负担的特征拖拽方法。FreeDrag包含两个关键设计,即通过自适应更新的模板特征和带回溯的线搜索。前者通过精心控制每次拖拽后的特征更新尺度,提高了对剧烈内容变化的稳定性,而后者通过主动限制线上的搜索区域,缓解了来自相似点的误导。这两项技术共同贡献于更稳定、效率更高的语义拖拽。全面的实验结果证实,我们的方法显著优于现有方法,即使在各种复杂场景中也能提供可靠的基于点的编辑。

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/8209c4c5-d45f-4563-93f9-94b7e3d061aa.png"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/d0db324e-ea34-4c41-b2e4-276b4cf976ed.png"> </p>

📜 新闻

[2024/03/06] FreeDrag被CVPR 2024接收。

[2023/12/11] 更新后的FreeDrag,包含StyleGAN和扩散模型的实现,现已可用。

[2023/12/8] 基于扩散模型的FreeDrag现已可用,支持对真实图像和生成图像进行拖拽编辑。

[2023/7/31] OpenXLab上的网页演示(StyleGAN)现已可用。

[2023/7/28] 真实图像编辑功能现已可用。

[2023/7/15] 本地演示的代码现已可用!💥

[2023/7/11] 论文项目页面已发布!

💡 亮点

  • FreeDrag本地演示
  • FreeDrag网页演示
  • 基于扩散的FreeDrag

🛠️使用方法

首先克隆我们的仓库

git clone --depth=1 https://github.com/LPengYang/FreeDrag

要创建新环境,请遵循NVlabs/stylegan2-ada的要求。

**注意:**在某些设备上可能会出现错误(设置PyTorch插件"bias_act_plugin"...失败或"upfirdn2d_plugin"...失败),我们希望这些潜在的解决方案(1234)在这种情况下能有所帮助。

然后安装额外的依赖

pip install -r requirements.txt

接着下载stylegan2的预训练模型

bash download_models.sh

**注意:**第一个模型(人脸模型)在某些情况下下载速度可能非常慢。这种情况下,建议重新开始下载(有时会奏效)或直接从此链接下载,请下载正确的模型(ffhq-512×512),将其重命名为"faces.pkl",并手动将其放入创建的checkpoints文件夹中(在所有其他模型下载完成后)。

最后,初始化gradio平台以进行交互式点基操作

CUDA_LAUNCH_BLOCKING=1 python FreeDrag_gradio.py

您也可以上传自己的图片并进行编辑。为了实现高质量的图像反演,建议确保上传图像的分辨率和风格(如布局)与相应模型生成的图像一致。不同模型的分辨率列表如下:

模型人脸大象狮子自行车长颈鹿汽车教堂metface
分辨率51225651251210242565125125122561024

提出的FreeDragBench数据集可在网站上获取。

❤️致谢

许可证

所有使用或修改自StyleGAN2的代码均遵循Nvidia源代码许可证。 与FreeDrag算法相关的代码仅允许用于个人活动。基于扩散的FreeDrag是基于DragDiffusion实现的。

✒️ 引用

如果您发现我们的工作对您的研究有帮助,请考虑引用以下BibTeX条目。

@article{ling2023freedrag, title={Freedrag: Point tracking is not you need for interactive point-based image editing}, author={Ling, Pengyang and Chen, Lin and Zhang, Pan and Chen, Huaian and Jin, Yi}, journal={arXiv preprint arXiv:2307.04684}, year={2023} }

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多