Auto DragGAN：在自回归方式下编辑生成图像流形

像素级精细图像编辑仍是一个开放挑战。以往方法未能在控制粒度和推理速度之间实现理想的平衡，要么未实现像素级精细控制，要么推理速度需要优化。为此，本文首次采用回归网络学习StyleGAN潜在代码在图像拖拽过程中的变化模式。该方法实现了在几乎无需时间代价下进行像素级精确拖拽编辑。用户可以在任何GAN生成的图像上指定控制点及其对应的目标点，我们的方法会将每个控制点移动到其对应的目标点。通过实验分析，我们发现，从控制点到目标点的短距离移动可产生高保真度的编辑图像，因为模型只需要预测一小部分像素的运动。为此，我们将整个运动过程分解为多个子过程。具体而言，我们开发了一个基于Transformer编码器-解码器的网络，命名为'Latent Predictor'，以自回归方式预测从控制点到目标点的潜在代码运动轨迹。此外，为增强预测稳定性，我们引入了一个组件，称为'Latent Regularizer'，用于约束潜在代码的运动位于自然图像的分布范围内。广泛的实验表明，我们的方法在像素级粒度上实现了最先进（SOTA）的推理速度和图像编辑性能。