图片编辑技术StableDrag发布 拖动锚点即可编辑图像同时保持高质量

　　还记得DragGAN吗?这是一种可以拖动锚点进行图像编辑的技术，但当时代码发布后，由于生成速度慢，且不能自定义外部图片，逐渐被人们淡忘。

　　但现在，一种新的技术StableDrag出现了，它是基于Diffusion模型的，也能完成类似的拖动锚点编辑图片的功能。如果它的实际效果真的如演示的那样，那图片编辑将变得非常方便。

　　自从DragGAN出现以来，基于点的图像编辑引起了显著的关注。最近，DragDiffusion通过将这种拖动技术适配到扩散模型中，进一步推进了生成质量。然而，尽管取得了巨大的成功，但这种拖动方案存在两个主要缺点:不准确的点跟踪和不完整的运动监督，这可能导致拖动效果不理想。

　　为了解决这些问题，我们设计了一种判别式点跟踪方法和一种基于置信度的潜在增强策略，构建了一个稳定和精确的基于拖动的编辑框架，称为StableDrag。其中，判别式点跟踪方法允许我们精确定位更新的控制点，从而提高长距离操作的稳定性;而基于置信度的潜在增强策略则负责确保优化后的潜在表示在所有操作步骤中都尽可能保持高质量。

　　得益于这些独特的设计，我们实现了两种类型的图像编辑模型:StableDrag-GAN和StableDrag-Diff。通过在DragBench上进行广泛的定性实验和定量评估，证明了这两种模型能够实现更稳定的拖动性能。