在图像生成领域，以 Stable Diffusion 为代表的扩散模型已然成为当前占据主导地位的范式。但扩散模型依赖迭代推理，虽然此方法可以实现具有简单目标的稳定训练，但推理过程需要高昂的计算成本。
在 Stable Diffusion 之前，生成对抗网络（GAN）是图像生成模型中常用的基础架构。相比于扩散模型，GAN 通过单个前向传递生成图像，因此本质上是更高效的。但由于训练过程的不稳定性，扩展 GAN 需要仔细调整网络架构和训练因素。因此，GAN 方法很难扩展到非常复杂的数据集上，这是 GAN 式微的原因之一。
当前，GAN 主要是通过手动注释训练数据或先验 3D 模型来保证其可控性，这通常缺乏灵活性、精确性和通用性。然而，一些研究者看重 GAN 在图像生成上的高效性，做出了许多改进 GAN 的尝试。
其中，来自马克斯普朗克计算机科学研究所、MIT CSAIL 和谷歌等机构的研究者们提出了一种强大的控制 GANs 的方式，即以用户交互的方式拖动图像的任何关键点以精确到达目标点。
为了实现这一点，该研究提出了 DragGAN，它包含两个主要组成部分：1）基于特征的运动监督，用于驱动关键点向目标位置移动；2）一种新的点追踪方法，利用 GAN 的特征来定位关键点的位置。
通过 DragGAN，任何人都可以精确控制像素的移动位置来变形图像，从而操控各种空间属性，如动物、汽车、人类、风景等的姿态、形状、表情和布局。由于这些操控在 GAN 的生成图像流形上进行，因此 DragGAN 可以生成被遮挡的内容和以及保证物体的形变符合物体的结构。定性和定量比较都表明，DragGAN 在图像操控和点追踪任务上优于先前的方法。此外，该研究还展示了通过 GAN 重建操控真实图像的例子。
为了让大家更好的了解这一研究，机器之心最新一期线上分享邀请到了 DragGAN 论文第一作者潘新钢，通过本次分享，大家可以更深入的了解这一项研究。
