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🔥🔥🔥。
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>[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!💥
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(1、2、3、4)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 | 马 | 大象 | 狮子 | 狗 | 自行车 | 长颈鹿 | 猫 | 汽车 | 教堂 | metface |
---|---|---|---|---|---|---|---|---|---|---|---|
分辨率 | 512 | 256 | 512 | 512 | 1024 | 256 | 512 | 512 | 512 | 256 | 1024 |
提出的FreeDragBench数据集可在网站上获取。
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。
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} }
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音 的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
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。
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。
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。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号