DragGAN
DragGAN 是一款基于生成对抗网络（GAN）的交互式图像编辑工具，它让用户能够通过简单的拖拽操作来精准控制生成图像的各种细节，比如调整人物表情、改变物体姿态、修改画面构图等。只需在图像上点击并拖动想要调整的区域，DragGAN 就会在图像的潜在空间中实时计算并生成符合要求的新图像。
这个工具特别适合几类人群：设计师可以用它快速探索创意效果，进行概念图的迭代修改；研究人员可以基于它深入研究 GAN 的图像操作能力；开发者则可以将其集成到自己的项目中或基于它进行二次开发；而普通用户也能通过在线 Demo 轻松体验 AI 图像编辑的乐趣。
DragGAN 的技术亮点在于采用了点基交互方式，结合 StyleGAN2-ada 模型，能够生成高质量、多类型的图像。它支持自定义图像上传（通过 GAN 反演技术），提供本地部署和云端 Demo，兼容 Windows、macOS、Linux 三大系统，并且代码和模型已全部开源，方便社区学习和改进。
使用场景
小李是一名电商公司的平面设计师，负责为新品服装拍摄商品展示图。由于外拍成本高、周期长，团队决定使用 AI 生成模特图来测试不同穿搭效果。
没有 DragGAN 时
- 每次想调整模特的站姿或手势，需要重新用文字描述提示词生成新图像，耗时 10-20 分钟
- 生成的图像姿势不可控，经常出现四肢扭曲、比例失调等畸形问题
- 即使使用 PS 手动修图，也需要 30 分钟以上才能勉强调整好一处细节
- 同一件衣服想要 3 种不同姿势的展示图，可能需要生成几十张再筛选，成本极高
- 无法精确控制图像中特定部位的细节，如让模特的手指向另一个方向
使用 DragGAN 后
- 直接在生成的图像上点击需要调整的部位（如手臂、头部），拖拽到目标位置，几秒完成调整
- 保持图像其他部分自然不变，只改变指定区域，细节保留度高
- 不满意可以随时撤销重做，单次调整耗时不超过 1 分钟
- 同一件衣服快速生成 3 种不同姿势的展示图，总耗时约 5 分钟
- 支持多个控制点同时操作，可以同时调整模特的手部位置和身体姿态
DragGAN 将复杂的图像编辑操作简化为直观的拖拽交互，让设计师能快速迭代图像细节，大幅提升电商内容生产效率。
运行环境要求
- Linux
- macOS
- Windows
未说明（建议使用 NVIDIA GPU）
未说明
快速开始
DragGAN
:boom: Colab Demo Awesome-DragGAN InternGPT Demo Local Deployment
Colab 注意事项，请记得通过
Runtime/Change runtime type（代码执行程序/更改运行时类型）选择 GPU。如果想上传自定义图片，请通过
pip install draggan==1.1.0安装 1.1.0 版本。
Drag Your GAN: Interactive Point-based Manipulation on the Generative Image Manifold 的非官方实现
工作原理
这里有一个简单的教程视频，展示了如何使用我们的实现。
https://github.com/Zeqiang-Lai/DragGAN/assets/26198430/f1516101-5667-4f73-9330-57fc45754283
请查看原始论文了解后端算法和数学原理。
最新资讯
:star2: 新功能
- [2023/6/25] 发布版本 1.1.1，包含重要的错误修复和速度提升。
- [2023/6/25] 官方代码 已发布，快去看看吧。
- [2023/5/29] 新版本正在测试中，通过
pip install draggan==1.1.0b2安装，包含速度提升和更多模型。 - [2023/5/25] DragGAN 已上线 PyPI，可通过
pip install draggan简单安装。同时修复了常见的 CUDA 问题 https://github.com/Zeqiang-Lai/DragGAN/issues/38 https://github.com/Zeqiang-Lai/DragGAN/issues/12 - [2023/5/25] 现在支持 StyleGAN2-ada，具有更高的质量和更多类型的图像。请选择以 "ada" 开头的模型进行尝试。
- [2023/5/24] 一个开箱即用的在线演示已集成到 InternGPT 中——一个超酷的指向语言驱动的视觉交互系统。免费畅享体验。:lollipop:
- [2023/5/24] 支持使用 GAN 反演（GAN inversion）处理自定义图像，但由于 GAN 反演的局限性，您的自定义图像可能会出现失真。此外，由于我们实现的局限性，操作也可能失败。
:star2: 更新日志
- 添加 Docker 镜像，感谢 @egbaydarov。
- PTI GAN 反演 https://github.com/Zeqiang-Lai/DragGAN/issues/71#issuecomment-1573461314
- 优化性能，参见 v2。
- 改善安装体验，DragGAN 现已上线 PyPI。
- 自动确定迭代次数，参见 v2。
- 允许保存不带点标注的视频，自定义图像尺寸。
- 支持 StyleGAN2-ada。
- 集成到 InternGPT
- 支持使用 GAN 反演处理自定义图像。
- 下载生成的图像和生成轨迹。
- 通过 GUI 控制生成过程。
- 自动下载 stylegan2 检查点。
- 支持可移动区域，多个控制点。
- Gradio 和 Colab 演示。
此项目现在是 InternGPT 的子项目，用于交互式图像编辑。更多超越 DragGAN 的酷炫工具更新将添加到 InternGPT 中。
本地运行
请参阅 INSTALL.md。
引用
@inproceedings{pan2023draggan,
title={Drag Your GAN: Interactive Point-based Manipulation on the Generative Image Manifold},
author={Pan, Xingang and Tewari, Ayush, and Leimk{\"u}hler, Thomas and Liu, Lingjie and Meka, Abhimitra and Theobalt, Christian},
booktitle = {ACM SIGGRAPH 2023 Conference Proceedings},
year={2023}
}
致谢
Official DragGAN DragGAN-Streamlit StyleGAN2 StyleGAN2-pytorch StyleGAN2-Ada StyleGAN-Human Self-Distilled-StyleGAN
欢迎与我们讨论并持续改进 DragGAN 的用户体验。 可通过此微信二维码联系我们。
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。