DragGAN开源三天Star量23k，这又来一个DragDiffusion

---

在 AIGC 的神奇世界里，我们可以在图像上通过「拖曳」的方式，改变并合成自己想要的图像。比如让一头狮子转头并张嘴：

实现这一效果的研究出自华人一作领衔的「Drag Your GAN」论文，于上个月放出并已被 SIGGRAPH 2025 会议接收。

一个多月过去了，该研究团队于近日放出了官方代码。短短三天时间，Star 量便已突破了 23k，足可见其火爆程度。

图片

github 地址：https://github.com/xingangpan/draggan

无独有偶，今日又一项类似的研究 —— DragDiffusion 进入了人们的视线。此前的 DragGAN 实现了基于点的交互式图像编辑，并取得像素级精度的编辑效果。但是也有不足，DragGAN 是基于生成对抗网络（GAN），通用性会受到预训练 GAN 模型容量的限制。

在新研究中，新加坡国立大学和字节跳动的几位研究者将这类编辑框架扩展到了扩散模型，提出了 DragDiffusion。他们利用大规模预训练扩散模型，极大提升了基于点的交互式编辑在现实世界场景中的适用性。

虽然现在大多数基于扩散的图像编辑方法都适用于文本嵌入，但 DragDiffusion 优化了扩散潜在表示，实现了精确的空间控制。

图片

• 论文地址：https://arxiv.org/pdf/2306.14435.pdf
• 项目地址：https://yujun-shi.github.io/projects/dragdiffusion.html

研究者表示，扩散模型以迭代方式生成图像，而「一步」优化扩散潜在表示足以生成连贯结果，使 DragDiffusion 高效完成了高质量编辑。

他们在各种具有挑战性的场景（如多对象、不同对象类别）下进行了广泛实验，验证了 DragDiffusion 的可塑性和通用性。相关代码也将很快放出、

下面我们看看 DragDiffusion 效果如何。

首先，我们想让下图中的小猫咪的头再抬高一点，用户只需将红色的点拖拽至蓝色的点就可以了：

接下来，我们想让山峰变得再高一点，也没有问题，拖拽红色关键点就可以了：

图片

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

还想让雕塑的头像转个头，拖拽一下就能办到：

图片

让岸边的花，开的范围更广一点：

ChatGPT Writer

免费 Chrome 扩展程序，使用 ChatGPT AI 生成电子邮件和消息。

106 查看详情

方法介绍

本文提出的 DRAGDIFFUSION 旨在优化特定的扩散潜变量，以实现可交互的、基于点的图像编辑。

为了实现这一目标，该研究首先在扩散模型的基础上微调 LoRA，以重建用户输入图像。这样做可以保证输入、输出图像的风格保持一致。

接下来，研究者对输入图像采用 DDIM inversion（这是一种探索扩散模型的逆变换和潜在空间操作的方法），以获得特定步骤的扩散潜变量。

在编辑过程中，研究者反复运用动作监督和点跟踪，以优化先前获得的第 t 步扩散潜变量，从而将处理点的内容「拖拽（drag）」到目标位置。编辑过程还应用了正则化项，以确保图像的未掩码区域保持不变。

最后，通过 DDIM 对优化后的第 t 步潜变量进行去噪，得到编辑后的结果。总体概览图如下所示：

图片

实验结果

给定一张输入图像，DRAGDIFFUSION 将关键点（红色）的内容「拖拽」到相应的目标点（蓝色）。例如在图（1）中，将小狗的头转过来，图（7）将老虎的嘴巴合上等等。

图片

下面是更多示例演示。如图（4）将山峰变高，图（7）将笔头变大等等。

图片

以上就是DragGAN开源三天Star量23k，这又来一个DragDiffusion的详细内容，更多请关注其它相关文章！

# 环比  # seo专员和网站编辑  # 日照seo优化排名招商  # 增城seo霸屏推广  # 云南百度网站关键词排名  # seo技术厂商  # seo原创文章代写  # 贵阳市百度网站优化推广  # 津南区网站优化推广  # 桓台网站推广招聘信息  # 福建谷歌关键词排名  # 图片  # 合上  # 上半年  # 就可以  # 营收  # 中国  # 想让  # 拖拽  # 这又  # 开源 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： 2025年贵州省青少年机器人竞赛在安举行  鸿蒙OS 4将实现AI大模型集成，余承东表示坚持AI辅助而非AI取代  自然语言生成在智能家居设备中的应用  热点资讯：家乐福推出聊天机器人；米哈游2025年营收273.4亿元…  在这里见未来！杭州未来科技城全球AI盛会邀您共探最前沿  利用AI探索抗体“钥匙”、加速药物研发——访百图生科团队  物联网“僵尸网络DDos攻击”增长惊人，威胁全球电信网络  零AI含量！纯随机数学无限生成逼真3D世界火了，普林斯顿华人一作  郭帆谈ChatGPT：电影行业需要创新，否则人工智能将让电影变得平庸  13万个注释神经元，5300万个突触，普林斯顿大学等发布首个完整「成年果蝇」大脑连接组  科普：什么是AI大模型  发布最新版本的 PICO OS 5.7.0：支持VR头盔录屏并跨平台分享至微信  美图公司吴欣鸿：AI技术重构影像产业  2025年的网络分区：人工智能和自动化如何改变事物  【趋势周报】全球人工智能产业发展趋势：OpenAI向美国专利局提交“GPT-5”商标申请  深企派遣无人机救援队赴京津冀开展防汛救灾任务  人工智能“Aria”现身 Opera浏览器100版本更新：新功能“标签岛”  2025VR&AR显示技术峰会展示歌尔光学最新一代光学模组  “具身智能”引爆机器人产业，看绝影Lite3/X20四足机器人有何特别之处？  刊·见 | 捕捉人工智能领域最新动态？收藏Applied Artificial Intelligence  全新升级的广州麦当劳：面积最大餐厅正式引入智慧机器人  SnapFusion技术大幅提升AI图像生成速度  Bing Chat 和 Bing Search 正式引入深色模式  研究表明 GPT-4 模型具备自我纠错能力，有望推动 AI 代码进一步商业化  阿里云连续两年进入Gartner云AI开发者“挑战者象限”  图像生成过程中遭「截胡」：稳定扩散的失败案例受四大因素影响  聚焦WAIC｜AI技术支撑大模型探索未来  水路两栖艇、消防灭火机器人……这个展览“黑科技”抢眼  商业智能决策技术助力降本增效，世界人工智能大会举办商业AI高峰论坛  导演郭帆：人工智能应用可能会影响《流浪地球 3》的创作开发  机器人 展才能  阿里达摩院发布免费开放100项AI专利许可的动机是什么？  iPhone两秒出图，目前已知的最快移动端Stable Diffusion模型来了  应对算力挑战，亚马逊云科技发力AI基础设施建设  如何利用AI工具写好本科论文：科技助你一臂之力  从GOXR到PartyOn，XRSPACE致力打造多元共赢的元宇宙世界  13条咒语挖掘GPT-4最大潜力，Github万星AI导师火了，网友：隔行再也不隔山了  AI教父Bengio：我感到迷失，对AI担忧已成「精神内耗」！  《共同的演化》展览启幕，重新思考人类与人工智能关系  数字文明尼山对话 | 在东方圣城与AI潮流梦幻联动，看“智慧大脑”让数字山东更美好  东软成立魔形科技研究院，积极布局大语言模型系统工程战略，迎接AI时代  人工智能产业竞跑“未来赛道” 创新发展放大“赋能”效应  Moka发布AI原生HR SaaS产品“Moka Eva”，布局AGI时代  智能电网技术：提高能源效率和可靠性  不到2S创作AI图像！Snap发布图像生成器SnapFusion  上海发布大模型政策 打造AI“模”都  音乐制作元工具AudioCraft发布开源AI工具  重磅！ 捷通华声灵云AICC荣获第二届光合组织AI解决方案大赛二等奖  AI会帮我们把活干完吗？  搭载星火认知大模型 讯飞听见智慧屏开启AI办公新体验 

 2023-06-28