DragGAN开源：生成图像流形上的基于点的交互式操作

文旨在解决生成对抗网络（GAN）中控制生成图像的问题。通过“拖动”图像中的任意点，实现用户交互式精确控制生成图像的姿态、形状、表情和布局。

这个名叫DragGAN的模型，本质上是为各种GAN开发的一种交互式图像操作方法。论文以StyleGAN2架构为基础，实现了点点鼠标、拽一拽关键点就能P图的效果。

通过两个主要组件实现GAN的交互式控制：

1）基于特征的运动监督，驱动手柄点向目标位置移动；

2）新的点跟踪方法，利用辨别式生成器特征来不断定位手柄点的位置。与现有方法相比，DragGAN不需要手动注释训练数据或先验3D模型，具有更高的灵活性、精度和通用性。实验结果表明，DragGAN在图像操纵和点跟踪任务中优于先前的方法。同时，本文还展示了通过GAN反演对真实图像进行操纵的能力。作者开源了代码和数据集，为后续研究提供了便利。

论文地址：
https://vcai.mpi-inf.mpg.de/projects/DragGAN/data/paper.pdf 

代码地址：

https://github.com/XingangPan/DragGAN 

图像编辑(Image Manipulation)一直以来火热的研究方向，而且具有很广泛的应用场景。现有的图像编辑主要有以下四类：

（1）基于全监督学习的模型，如InterfaceGAN；

（2）基于语义分割图的模型，如SPADE；

（3）基于人体关键点的模型，如HumanGAN；

（4）基于文本引导的模型，如Imagic。然而现有的这些模型