返回 AI 工具目录
DragGAN
开发框架人工精选最近核验 2026年7月23日
DragGAN 是 SIGGRAPH 2023 论文《Drag Your GAN》提出的交互式图像编辑方法的官方实现。用户在 GAN 生成的图像上标记若干控制点并拖动,模型据此连续变形图像,可精细调整物体的姿态、形状、表情、视角与布局,而无需调节抽象参数。它基于 PyTorch 与 StyleGAN 系列预训练模型,提供本地 GUI、Gradio 网页 demo、Colab 及 OpenXLab/HuggingFace 在线演示;编辑真实照片需先做 GAN 反演。算法采用 CC-BY-NC 非商业许可,StyleGAN3 相关代码沿用 Nvidia 许可,生成图会带 AI Generated 水印。整体为研究性实现,需要 NVIDIA GPU 环境运行。
定价开源部署本地运行国内可达国内可达
解决什么问题
- 在生成图像上拖动控制点即可精确变形,免调抽象参数
- 可调整姿态、形状、表情、视角、布局等语义属性
- 配合 GAN 反演,可编辑用户提供的真实照片
- 提供 GUI 与网页 demo,降低上手门槛
适合
- 研究 GAN 可控编辑、生成模型交互的科研与实验
- 创意与设计中对生成人像、动物、场景做精细调形
- 已具备 GPU 与 PyTorch 环境的团队做技术验证
- 需要点控制式图像编辑作为技术组件的探索
不适合
- 许可为 CC-BY-NC,禁止商业用途,商用不合适
- 仅能编辑 StyleGAN 支持域内的图像,非任意图片
- 编辑真实照片须先做 GAN 反演,存在质量损失
- 需 NVIDIA GPU 与较大显存,无 GPU 无法运行
如何接入
- 以 Python/PyTorch 代码库形式本地部署,依赖 CUDA
- 提供 Gradio 网页界面与 Colab 笔记本运行
- 可加载多种 StyleGAN 预训练权重,支持自定义模型
- 真实图编辑需接入 GAN 反演(如 PTI)预处理
已知限制
- CC-BY-NC 非商业许可,商用受限
- 依赖 StyleGAN 域,泛化到任意图像能力有限
- 真实照片需反演,可能丢失细节
- 为研究性实现,非产品化服务,需自行运维 GPU 环境
- 预训练权重多来自海外,下载可能较慢
接入与使用事实
- 部署方式
- 本地运行
- 实现语言
- Python、CUDA、C++
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- 待确认
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
- 代码仓库仅作事实索引