来自谷歌的一组研究人员，与马克斯·普朗克信息学研究所和麻省理工学院CSAIL一起，最近发布了Drag GAN，这是一种用于直观的基于点的图像编辑的交互式方法。这种新方法利用预先训练的GAN来合成图像，这些图像不仅精确地遵循用户输入，而且保持在逼真图像的流形上。
满足用户需求的合成视觉内容通常需要对生成的对象的姿态、形状、表情和布局具有灵活而精确的可控性。现有的方法通过手动注释tag的训练数据或先前的3D模型来实现生成对抗网络（GANs）的可控性，但往往缺乏灵活性、精确性和普适性。在这项工作中，我们研究了一种功能强大但相对较少探索的GAN控制方式，即以用户交互的方式"拖动"图像中的任意点，精确地达到目标点， 我们提出了DragGAN，它包括两个主要组成部分：
1）基于特征的运动监督，驱使控制点向目标位置移动；
2）一种新的点跟踪方法，利用判别性GAN特征来持续定位控制点的位置。通过DragGAN，任何人都可以以精确控制像素位置的方式对图像进行变形，从而操纵动物、汽车、人物、风景等多种类别的姿态、形状、表情和布局。由于这些操作是在GAN的学习生成图像流形上执行的，它们往往可以产生逼真的输出，即使在挑战性场景下，如产生遮挡内容和变形形状，仍能保持对象的刚性。定性和定量的比较结果表明，DragGAN在图像操作和点跟踪任务中相对于先前的方法具有优势。我们还展示了通过GAN反演对真实图像进行操作的示例。