[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-OpenGVLab--DragGAN":3,"tool-OpenGVLab--DragGAN":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-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。\n\n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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-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。\n\n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。\n\n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",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","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。\n\n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。\n\n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。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","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。\n\n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。\n\nNextChat 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。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-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。\n\n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。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","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。\n\n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。\n\n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。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":75,"owner_avatar_url":76,"owner_bio":77,"owner_company":78,"owner_location":78,"owner_email":79,"owner_twitter":80,"owner_website":78,"owner_url":81,"languages":82,"stars":103,"forks":104,"last_commit_at":105,"license":78,"difficulty_score":10,"env_os":106,"env_gpu":107,"env_ram":108,"env_deps":109,"category_tags":115,"github_topics":116,"view_count":10,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":122,"updated_at":123,"faqs":124,"releases":165},261,"OpenGVLab\u002FDragGAN","DragGAN","Unofficial Implementation of DragGAN - \"Drag Your GAN: Interactive Point-based Manipulation on the Generative Image Manifold\" （DragGAN 全功能实现，在线Demo，本地部署试用，代码、模型已全部开源，支持Windows, macOS, Linux）","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。\n\n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。\n\nDragGAN 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。","# DragGAN\n[![PyPI](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fdraggan)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fdraggan\u002F) \n[![support](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FSupport-macOS%20%7C%20Windows%20%7C%20Linux-blue)](#running-locally)\n\n:boom:  [`Colab Demo`](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002FZeqiang-Lai\u002FDragGAN\u002Fblob\u002Fmaster\u002Fcolab.ipynb)  [`Awesome-DragGAN`](https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FAwesome-DragGAN) [`InternGPT Demo`](https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FInternGPT)  [`Local Deployment`](#running-locally)  \n\n> **Note for Colab, remember to select a GPU via `Runtime\u002FChange runtime type` (`代码执行程序\u002F更改运行时类型`).**\n> \n> If you want to upload custom image, please install 1.1.0 via `pip install draggan==1.1.0`.\n\n\nUnofficial implementation of [Drag Your GAN: Interactive Point-based Manipulation on the Generative Image Manifold](https:\u002F\u002Fvcai.mpi-inf.mpg.de\u002Fprojects\u002FDragGAN\u002F)\n\n\u003Cp float=\"left\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenGVLab_DragGAN_readme_968453093f8c.gif\" width=\"200\" \u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenGVLab_DragGAN_readme_a3ee91d7d691.gif\" width=\"200\" \u002F> \n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenGVLab_DragGAN_readme_665701e9b5b5.gif\" width=\"200\" \u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenGVLab_DragGAN_readme_e9031ed3751a.gif\" width=\"200\" \u002F>\n\u003C\u002Fp>\n\n## How it Work ?\n\n\nHere is a simple tutorial video showing how to use our implementation.\n\nhttps:\u002F\u002Fgithub.com\u002FZeqiang-Lai\u002FDragGAN\u002Fassets\u002F26198430\u002Ff1516101-5667-4f73-9330-57fc45754283\n\nCheck out the original [paper](https:\u002F\u002Fvcai.mpi-inf.mpg.de\u002Fprojects\u002FDragGAN\u002F) for the backend algorithm and math.\n\n![demo](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenGVLab_DragGAN_readme_dff9658708ec.png)\n\n## News\n\n:star2: **What's New**\n\n- [2023\u002F6\u002F25] Relase version 1.1.1, it includes a major bug fix and speed improvement.\n- [2023\u002F6\u002F25] [Official Code](https:\u002F\u002Fgithub.com\u002FXingangPan\u002FDragGAN) is released, check it out.\n- [2023\u002F5\u002F29] A new version is in beta, install via `pip install draggan==1.1.0b2`, includes speed improvement and more models.\n- [2023\u002F5\u002F25] DragGAN is on PyPI, simple install via `pip install draggan`. Also addressed the common CUDA problems https:\u002F\u002Fgithub.com\u002FZeqiang-Lai\u002FDragGAN\u002Fissues\u002F38  https:\u002F\u002Fgithub.com\u002FZeqiang-Lai\u002FDragGAN\u002Fissues\u002F12\n- [2023\u002F5\u002F25] We now support StyleGAN2-ada with much higher quality and more types of images. Try it by selecting models started with \"ada\".\n- [2023\u002F5\u002F24] An out-of-box online demo is integrated in [InternGPT](https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FInternGPT) - a super cool pointing-language-driven visual interactive system. Enjoy for free.:lollipop:\n- [2023\u002F5\u002F24] Custom Image with GAN inversion is supported, but it is possible that your custom images are distorted  due to the limitation of GAN inversion. Besides, it is also possible the manipulations fail due to the limitation of our implementation.\n\n:star2: **Changelog**\n\n- [x] Add a docker image, thanks [@egbaydarov](https:\u002F\u002Fgithub.com\u002Fegbaydarov).\n- [ ] PTI GAN inversion https:\u002F\u002Fgithub.com\u002FZeqiang-Lai\u002FDragGAN\u002Fissues\u002F71#issuecomment-1573461314\n- [x] Tweak performance, See [v2](https:\u002F\u002Fgithub.com\u002FZeqiang-Lai\u002FDragGAN\u002Ftree\u002Fv2).\n- [x] Improving installation experience, DragGAN is now on [PyPI](https:\u002F\u002Fpypi.org\u002Fproject\u002Fdraggan).\n- [x] Automatically determining the number of iterations, See [v2](https:\u002F\u002Fgithub.com\u002FZeqiang-Lai\u002FDragGAN\u002Ftree\u002Fv2).\n- [ ] Allow to save video without point annotations, custom image size.\n- [x] Support StyleGAN2-ada.\n- [x] Integrate into [InternGPT](https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FInternGPT)\n- [x] Custom Image with GAN inversion.\n- [x] Download generated image and generation trajectory.\n- [x] Controlling generation process with GUI.\n- [x] Automatically download stylegan2 checkpoint.\n- [x] Support movable region, multiple handle points.\n- [x] Gradio and Colab Demo.\n\n> This project is now a sub-project of [InternGPT](https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FInternGPT) for interactive image editing. Future updates of more cool tools beyond DragGAN would be added in [InternGPT](https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FInternGPT). \n\n## Running Locally\n\nPlease refer to [INSTALL.md](INSTALL.md).\n\n\n## Citation\n\n```bibtex\n@inproceedings{pan2023draggan,\n    title={Drag Your GAN: Interactive Point-based Manipulation on the Generative Image Manifold}, \n    author={Pan, Xingang and Tewari, Ayush, and Leimk{\\\"u}hler, Thomas and Liu, Lingjie and Meka, Abhimitra and Theobalt, Christian},\n    booktitle = {ACM SIGGRAPH 2023 Conference Proceedings},\n    year={2023}\n}\n```\n\n\n## Acknowledgement\n\n[Official DragGAN](https:\u002F\u002Fgithub.com\u002FXingangPan\u002FDragGAN)   [DragGAN-Streamlit](https:\u002F\u002Fgithub.com\u002Fskimai\u002FDragGAN)   [StyleGAN2](https:\u002F\u002Fgithub.com\u002FNVlabs\u002Fstylegan2)    [StyleGAN2-pytorch](https:\u002F\u002Fgithub.com\u002Frosinality\u002Fstylegan2-pytorch)    [StyleGAN2-Ada](https:\u002F\u002Fgithub.com\u002FNVlabs\u002Fstylegan2-ada-pytorch)      [StyleGAN-Human](https:\u002F\u002Fgithub.com\u002Fstylegan-human\u002FStyleGAN-Human)    [Self-Distilled-StyleGAN](https:\u002F\u002Fgithub.com\u002Fself-distilled-stylegan\u002Fself-distilled-internet-photos)\n\n Welcome to discuss with us and continuously improve the user experience of DragGAN.\nReach us with this WeChat QR Code. \n\n\n\u003Cp align=\"left\">\u003Cimg width=\"300\" alt=\"image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenGVLab_DragGAN_readme_52265b10a42a.png\">\u003Cimg width=\"300\" alt=\"image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenGVLab_DragGAN_readme_4ec5ca7b3d5a.png\">\u003C\u002Fp> \n\n\n\n","# DragGAN\n\n[![PyPI](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fdraggan)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fdraggan\u002F)\n[![support](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FSupport-macOS%20%7C%20Windows%20%7C%20Linux-blue)](#running-locally)\n\n:boom: [`Colab Demo`](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002FZeqiang-Lai\u002FDragGAN\u002Fblob\u002Fmaster\u002Fcolab.ipynb) [`Awesome-DragGAN`](https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FAwesome-DragGAN) [`InternGPT Demo`](https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FInternGPT) [`Local Deployment`](#running-locally)\n\n> **Colab 注意事项，请记得通过 `Runtime\u002FChange runtime type`（代码执行程序\u002F更改运行时类型）选择 GPU。**\n>\n> 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。\n\n[Drag Your GAN: Interactive Point-based Manipulation on the Generative Image Manifold](https:\u002F\u002Fvcai.mpi-inf.mpg.de\u002Fprojects\u002FDragGAN\u002F) 的非官方实现\n\n\u003Cp float=\"left\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenGVLab_DragGAN_readme_968453093f8c.gif\" width=\"200\" \u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenGVLab_DragGAN_readme_a3ee91d7d691.gif\" width=\"200\" \u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenGVLab_DragGAN_readme_665701e9b5b5.gif\" width=\"200\" \u002F>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenGVLab_DragGAN_readme_e9031ed3751a.gif\" width=\"200\" \u002F>\n\u003C\u002Fp>\n\n## 工作原理\n\n这里有一个简单的教程视频，展示了如何使用我们的实现。\n\nhttps:\u002F\u002Fgithub.com\u002FZeqiang-Lai\u002FDragGAN\u002Fassets\u002F26198430\u002Ff1516101-5667-4f73-9330-57fc45754283\n\n请查看原始[论文](https:\u002F\u002Fvcai.mpi-inf.mpg.de\u002Fprojects\u002FDragGAN\u002F)了解后端算法和数学原理。\n\n![demo](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenGVLab_DragGAN_readme_dff9658708ec.png)\n\n## 最新资讯\n\n:star2: **新功能**\n\n- [2023\u002F6\u002F25] 发布版本 1.1.1，包含重要的错误修复和速度提升。\n- [2023\u002F6\u002F25] [官方代码](https:\u002F\u002Fgithub.com\u002FXingangPan\u002FDragGAN) 已发布，快去看看吧。\n- [2023\u002F5\u002F29] 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。\n- [2023\u002F5\u002F25] 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:\u002F\u002Fgithub.com\u002FZeqiang-Lai\u002FDragGAN\u002Fissues\u002F38 https:\u002F\u002Fgithub.com\u002FZeqiang-Lai\u002FDragGAN\u002Fissues\u002F12\n- [2023\u002F5\u002F25] 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。\n- [2023\u002F5\u002F24] 一个开箱即用的在线演示已集成到 [InternGPT](https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FInternGPT) 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:\n- [2023\u002F5\u002F24] 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。\n\n:star2: **更新日志**\n\n- [x] 添加 Docker 镜像，感谢 [@egbaydarov](https:\u002F\u002Fgithub.com\u002Fegbaydarov)。\n- [ ] PTI GAN 反演 https:\u002F\u002Fgithub.com\u002FZeqiang-Lai\u002FDragGAN\u002Fissues\u002F71#issuecomment-1573461314\n- [x] 优化性能，参见 [v2](https:\u002F\u002Fgithub.com\u002FZeqiang-Lai\u002FDragGAN\u002Ftree\u002Fv2)。\n- [x] 改善安装体验，DragGAN 现已上线 [PyPI](https:\u002F\u002Fpypi.org\u002Fproject\u002Fdraggan)。\n- [x] 自动确定迭代次数，参见 [v2](https:\u002F\u002Fgithub.com\u002FZeqiang-Lai\u002FDragGAN\u002Ftree\u002Fv2)。\n- [ ] 允许保存不带点标注的视频，自定义图像尺寸。\n- [x] 支持 StyleGAN2-ada。\n- [x] 集成到 [InternGPT](https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FInternGPT)\n- [x] 支持使用 GAN 反演处理自定义图像。\n- [x] 下载生成的图像和生成轨迹。\n- [x] 通过 GUI 控制生成过程。\n- [x] 自动下载 stylegan2 检查点。\n- [x] 支持可移动区域，多个控制点。\n- [x] Gradio 和 Colab 演示。\n\n> 此项目现在是 [InternGPT](https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FInternGPT) 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](https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FInternGPT) 中。\n\n## 本地运行\n\n请参阅 [INSTALL.md](INSTALL.md)。\n\n## 引用\n\n```bibtex\n@inproceedings{pan2023draggan,\n    title={Drag Your GAN: Interactive Point-based Manipulation on the Generative Image Manifold},\n    author={Pan, Xingang and Tewari, Ayush, and Leimk{\\\"u}hler, Thomas and Liu, Lingjie and Meka, Abhimitra and Theobalt, Christian},\n    booktitle = {ACM SIGGRAPH 2023 Conference Proceedings},\n    year={2023}\n}\n```\n\n## 致谢\n\n[Official DragGAN](https:\u002F\u002Fgithub.com\u002FXingangPan\u002FDragGAN)   [DragGAN-Streamlit](https:\u002F\u002Fgithub.com\u002Fskimai\u002FDragGAN)   [StyleGAN2](https:\u002F\u002Fgithub.com\u002FNVlabs\u002Fstylegan2)   [StyleGAN2-pytorch](https:\u002F\u002Fgithub.com\u002Frosinality\u002Fstylegan2-pytorch)   [StyleGAN2-Ada](https:\u002F\u002Fgithub.com\u002FNVlabs\u002Fstylegan2-ada-pytorch)   [StyleGAN-Human](https:\u002F\u002Fgithub.com\u002Fstylegan-human\u002FStyleGAN-Human)   [Self-Distilled-StyleGAN](https:\u002F\u002Fgithub.com\u002Fself-distilled-stylegan\u002Fself-distilled-internet-photos)\n\n欢迎与我们讨论并持续改进 DragGAN 的用户体验。\n可通过此微信二维码联系我们。\n\n\u003Cp align=\"left\">\u003Cimg width=\"300\" alt=\"image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenGVLab_DragGAN_readme_52265b10a42a.png\">\u003Cimg width=\"300\" alt=\"image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenGVLab_DragGAN_readme_4ec5ca7b3d5a.png\">\u003C\u002Fp>","# DragGAN 快速上手指南\n\n## 环境准备\n\n- **操作系统**：macOS \u002F Windows \u002F Linux\n- **Python**：3.8 或更高版本\n- **GPU**：支持 CUDA 的显卡（推荐，用于加速生成）\n\n## 安装步骤\n\n### 方式一：PyPI 安装（推荐）\n\n```bash\npip install draggan\n```\n\n### 方式二：使用自定义图像\n\n如需上传自定义图像，请安装 1.1.0 版本：\n\n```bash\npip install draggan==1.1.0\n```\n\n### 方式三：安装 Beta 版本\n\n```bash\npip install draggan==1.1.0b2\n```\n\n> 注意：如果遇到 CUDA 相关问题，可参考官方 [issues](https:\u002F\u002Fgithub.com\u002FZeqiang-Lai\u002FDragGAN\u002Fissues\u002F38) 排查。\n\n## 基本使用\n\n### 在线体验（Colab）\n\n1. 打开 [Colab Demo](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002FZeqiang-Lai\u002FDragGAN\u002Fblob\u002Fmaster\u002Fcolab.ipynb)\n2. 在 `Runtime\u002F更改运行时类型` 中选择 GPU\n3. 运行代码即可体验\n\n### 本地运行\n\n安装后启动 Gradio 图形界面：\n\n```bash\npython -m draggan\n```\n\n启动后打开浏览器访问显示的本地地址（通常是 `http:\u002F\u002Flocalhost:7860`）。\n\n### 使用方法\n\n1. 在界面中选择预训练模型（带 \"ada\" 前缀的模型质量更高）\n2. 点击图像生成初始画面\n3. 在图像上点击并拖动设置**起始点**和**目标点**\n4. 系统会自动生成移动轨迹和结果图像\n5. 支持下载生成结果和生成过程视频\n\n## 模型选择\n\n- **StyleGAN2-ada**：更高质量，支持更多类型图像（推荐）\n- **StyleGAN-Human**：专门针对人物图像\n- **StyleGAN2**：基础版本\n\n如需使用自定义图像，请注意 GAN inversion 可能会导致图像变形。","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。\n\n### 没有 DragGAN 时\n\n- 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\n- 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\n- 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\n- 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\n- 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\n\n### 使用 DragGAN 后\n\n- 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\n- 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\n- 不满意可以随时撤销重做，单次调整耗时不超过 1 分钟\n- 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\n- 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\n\nDragGAN 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。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOpenGVLab_DragGAN_28587a04.png","OpenGVLab","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FOpenGVLab_4422f20f.jpg","General Vision Team of Shanghai AI Laboratory",null,"opengvlab@gmail.com","opengvlab","https:\u002F\u002Fgithub.com\u002FOpenGVLab",[83,87,91,95,99],{"name":84,"color":85,"percentage":86},"Python","#3572A5",87.2,{"name":88,"color":89,"percentage":90},"Cuda","#3A4E3A",9.2,{"name":92,"color":93,"percentage":94},"C++","#f34b7d",3.2,{"name":96,"color":97,"percentage":98},"Jupyter Notebook","#DA5B0B",0.4,{"name":100,"color":101,"percentage":102},"Dockerfile","#384d54",0,4963,481,"2026-04-04T09:24:56","Linux, macOS, Windows","未说明（建议使用 NVIDIA GPU）","未说明",{"notes":110,"python":108,"dependencies":111},"README 未提供详细的运行环境需求信息。仅说明支持 macOS\u002FWindows\u002FLinux 三平台，支持通过 pip 安装（pip install draggan），提供 Docker 镜像和 Colab 在线演示。Colab 运行时需选择 GPU。首次运行需自动下载 StyleGAN2 模型 checkpoint 文件（约数 GB）。如遇 CUDA 问题可参考项目 issues 页面。",[112,113,114],"torch","stylegan2","stylegan2-ada",[13,26,14],[117,118,119,120,121],"draggan","image-editing","image-generation","gradio-interface","interngpt","2026-03-27T02:49:30.150509","2026-04-06T05:15:48.456510",[125,130,135,140,145,150,155,160],{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},827,"部署时出现 'Expecting value: line 1 column 1 (char 0)' 错误如何解决？","这是由于代理配置问题导致的。解决方法：1) 关闭系统代理；2) 如果使用 WSL2，需要检查 bashrc 中的代理环境变量并注释掉；3) 也可以尝试在 gradio 启动命令中添加 --no-gradio-queue 参数来解决 gradio 和代理的冲突。","https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FDragGAN\u002Fissues\u002F50",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},828,"出现 'You must select at least one handle point and target point' 错误怎么办？","这个错误通常是因为没有正确选择控制点（handle point）和目标点（target point）。确保在图像上同时点击设置至少一个蓝色控制点和一个红色目标点。另外，检查是否正确切换到了 GPU 模式运行。","https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FDragGAN\u002Fissues\u002F7",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},829,"遇到 'ImportError: DLL load failed while importing fused' 错误如何解决？","这是 C++ 编译环境问题。解决方法：1) 推荐使用 conda 环境来管理依赖，conda 会自动处理 Visual Runtime 和 DLL；2) Windows 用户需要安装 Visual Studio 2019 或更高版本，并将 cl 添加到系统环境变量；3) 确保安装了正确的 CUDA 工具包。","https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FDragGAN\u002Fissues\u002F12",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},830,"遇到 CUDA out of memory 内存不足错误怎么办？","这是 GPU 显存不足导致的。可以尝试：1) 关闭其他占用显存的程序；2) 减小图像分辨率；3) 设置 PyTorch 的内存分配器参数，在环境中设置 PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:512；4) 使用更小的 batch size。","https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FDragGAN\u002Fissues\u002F44",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},831,"出现 '_get_cuda_arch_flags() error: IndexError: list index out of range' 错误如何解决？","这是因为安装的 PyTorch 版本没有包含 CUDA 支持。需要在 requirements.txt 顶部添加 --extra-index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu118（根据你的 CUDA 版本选择 cu118 或 cu121），确保安装的是 torch+cuda 版本而不是纯 CPU 版本。","https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FDragGAN\u002Fissues\u002F21",{"id":151,"question_zh":152,"answer_zh":153,"source_url":154},832,"出现 'RuntimeError: The size of tensor a (1024) must match the size of tensor b (300)' 错误如何解决？","这通常是因为 mask 图像加载失败导致图像部分加载。解决方法：重启服务器刷新默认配置。如果问题仍然存在，检查默认的 mask 配置文件是否正确，确保图像和 mask 的尺寸匹配。","https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FDragGAN\u002Fissues\u002F45",{"id":156,"question_zh":157,"answer_zh":158,"source_url":159},833,"本地部署时图片无法正常显示，只显示纯色（橘色）图片怎么办？","这是 CUDA 版本不匹配导致的。解决方法：将 CUDA 从 cu117 升级到 cu121 版本。确保 PyTorch 版本与 CUDA 工具包版本兼容。","https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FDragGAN\u002Fissues\u002F33",{"id":161,"question_zh":162,"answer_zh":163,"source_url":164},834,"Windows 上出现编译器版本检查错误 'Error checking compiler version' 怎么办？","Windows 用户需要安装 Microsoft Visual Studio 2019。然后在 Anaconda Prompt 中依次执行：%comspec% \u002Fk \"C:\\Program Files (x86)\\Microsoft Visual Studio\\2019\\Community\\VC\\Auxiliary\\Build\\vcvars64.bat\" 和 set DISTUTILS_USE_SDK=1，再运行项目。","https:\u002F\u002Fgithub.com\u002FOpenGVLab\u002FDragGAN\u002Fissues\u002F30",[]]