企业官网建设流程全解析

DragGAN完整教程：从零到拖拽编辑图像的5个关键步骤

【免费下载链接】DragGANOfficial Code for DragGAN (SIGGRAPH 2023)项目地址: https://gitcode.com/GitHub_Trending/dr/DragGAN

想让图里的人把手换个位置，在修图软件里只能重画。用 DragGAN 做拖拽式图像编辑，在图上点两个位置，人物就动过去，背景还能稳住。这篇教程带你走完环境配置，10 分钟上手这套点基图像编辑工具。

30秒跑起来：DragGAN 安装最短路径

环境要求：

• NVIDIA GPU（带 CUDA，推荐）或 Mac / CPU（可用但慢）
• Python 3.8+（用 conda 管理）
• PyTorch ≥ 2.0

第一步，克隆仓库并创建环境：

git clone https://gitcode.com/GitHub_Trending/dr/DragGAN cd DragGAN conda env create -f environment.yml && conda activate stylegan3

第二步，装依赖并下载 StyleGAN2 预训练权重：

pip install -r requirements.txt python scripts/download_model.py

第三步，启动 Gradio 网页界面：

python visualizer_drag_gradio.py

浏览器会自动打开页面，左边控制面板、右边画布，先看到效果，后面再讲原理。

界面导览：左边四组控件 + 右边画布

界面只有两栏。左栏从上到下四组控件，各管一件事：

• Pickle：下拉选预训练模型（狮子、猫、狗、人像等），换模型即重新生成
• Latent：Seed 决定初始画面，Step Size 控制拖拽步幅
• Drag：Add Points 加控制点，Start / Stop 开始和暂停优化
• Mask：Edit Flexible Area 画"可动区域"，锁住其他部分

选完模型，画布会自动生成图像，没有单独的"生成"按钮；改 Seed 也会立刻重画。

用 StyleGAN-Human 模型生成的全身人像适合做拖拽练习：

图：DragGAN 的 StyleGAN-Human 模型生成样本，姿态与服装各异

核心玩法拆解：三个场景走通拖拽编辑

场景一：生成一张你想改的底图

目标：先拿到一张想编辑的图。

操作：

1. Pickle 下拉选一个模型（比如狮子或人像）
2. 改 Seed 数值，画布即时重画
3. 换到满意的那张

效果：同一模型换种子就是不同的个体。挑定底图后，后面所有拖拽都基于它。

场景二：点两下，把人挪个位置

目标：把图里人物的手臂移到另一个位置。

操作：

1. 点 Add Points 进入加点模式
2. 在第一张图上点一下，落下红色起点（点在要移动的手臂上）
3. 再点一下，落下蓝色终点（目标位置）
4. 点 Start，画面开始连续优化，手臂逐渐移向终点

效果：红点越靠近蓝点，说明越到位。不满意就点 Reset Points 清掉重摆，再 Start 一轮。点基优化的核心逻辑在 viz/renderer.py，想深挖原理从这里入手。

场景三：锁住背景，只动该动的地方

目标：拖拽时不想让背景、脸跟着变形。

操作：

1. 点 Edit Flexible Area
2. 用画笔在图上涂出"允许变化"的区域
3. 勾 Show Mask 确认覆盖范围，点 Start

效果：mask 内的图像跟随拖拽走，mask 外被钉在原位。Lambda 数值调大，锁定约束更强。

下面是人像编辑的实际效果合集：

图：DragGAN 人像编辑演示，多种全身姿态与服装变化效果

进阶技巧：两个容易忽略的开关

w / w+ 潜空间二选一。w+ 更慢但改动精准，是默认值；w 一步影响范围更大、更快。⚠️ 切换潜空间会重置图像、点和 mask，等同按了一次 Reset Image。

编辑真实照片。DragGAN 只能拖 GAN 生成的图；真实照片要先做 GAN 反转——用 PTI 一类工具把照片映射成潜码，再把潜码和对应模型权重一起加载进界面，之后拖法完全一样。相关实现见 stylegan_human/pti/。

你可能卡住的 3 个地方

1. 模型下拉框是空的、画布不出图权重没下载。回到仓库根目录跑python scripts/download_model.py，模型会自动放进./checkpoints。

2. 拖拽很慢、画面一顿一顿确认 GPU 真正在跑（CUDA 版本和 PyTorch 要匹配）；如果只能在 CPU 或 Mac 上跑，就减少控制点数量，或换小分辨率的模型，别指望流畅度。

3. 点完 Start，画面"糊了"或乱跑起点选在了模糊区域（头发边缘、阴影处），或 Step Size 偏大。点 Reset Points 重选一个特征明显的点，并把 Step Size 从 0.001 往下调到 0.0005 试试。

写在最后

DragGAN 把"把这个人挪一点"从重绘级的工程活，变成了两次点击的操作。打开终端，敲下上面第一行 clone 命令，十分钟后你就能拖出第一张图。

【免费下载链接】DragGANOfficial Code for DragGAN (SIGGRAPH 2023)项目地址: https://gitcode.com/GitHub_Trending/dr/DragGAN