还记得前几天发布的DragGAN吗？
没错，就是那个「轻轻点两下」1秒修图的工具。
拍的照片表情不好？修！脸型不够瘦？修！脸冲镜头的角度不对？修！
搞不好，「让大象转个身」这个远古PS段子，可能就要成真了
这个AI修图工具演示视频一经发布，瞬间在国内外火得一塌糊涂。
许多网友纷纷直呼，「PS不存在了」。
还没几天，DragGAN非官方实现竟能上手试用了。这一功能已经被集成到InternGPT中，界面长这样↓
体验地址：https://igpt.opengvlab.com/
没想到，演示入口一开放，直接被挤爆。
官方演示
从官方放出的演示视频来看，再现的DragGAN效果绝了。
咧嘴笑
先是怎么把一个没笑的人p笑。只要选中两个嘴角，直接Drag就好了。
可以看到，最终生成的结果毫无违和感。因为面部肌肉也在一起变化，不是单纯的咧嘴。
合上嘴
脸部编辑
这个瘦脸功能大家就太熟悉了，选中两个脸蛋往里挤，输出还是非常自然的。
男性瘦脸。不过这个有点瘦过了，输出结果一眼假，下巴太尖了。
这个必须强推！植发！多少秃头人士的福音。
不过从输出结果看，就算选中额头那里，也是全部地方的毛发等比例增长，最后的结果有点像美猴王。
转脸
脸部转动也是一个很实用的功能，补齐的部分非常自然。
其它功能
除了小范围的修图，InternGPT本身还有很多其它可以进行的亮眼操作。
移除遮盖的对象
单击想要在图片中进行操作的部分，在prompt中输入「移除」就可以了。
图像生成
这个功能比较有意思，先上传一张图片，输入prompt让DragGAN分割，然后再输入一个prompt生成想要的图片。
露出黑脚了？（不是）
视频高光解说
用prompt还可以一键剪辑视频。
交互式视觉问答
甚至识别完图片上的信息还能联网直接查询。
交互式图像生成
随手的涂鸦都能一键变成美图。
反正看完这些功能小编是真震惊了。所有功能就突出两个特点：「傻瓜式操作，且究极好用」。
这谁能不爱？
技术实现
看了这么多酷炫的功能，那么这个InternGPT到底是什么？
InternGPT（简称iGPT）/InternChat（简称iChat）是一种基于指向语言驱动的视觉交互系统，用户可以通过点击、拖动和绘制与ChatGPT进行互动。
与依赖纯语言的现有交互系统不同，通过整合指向指令，iGPT显著提高了用户与聊天机器人之间的沟通效率，以及聊天机器人在视觉为中心任务中的准确性，尤其在复杂的视觉场景中更是如此。
论文地址：https://arxiv.org/pdf/2305.05662.pdf
下图就是InternGPT的整体架构。
我们可以看到，这个GPT既可以处理图像、视频，也可以处理语音、文字。
对于图像或视频输入，InternGPT就会用SAM（图像分割模型）、OCR（图像识别模型）等等进行处理。
在识别出地理位置、物品或者线条之后，还有一整个工具箱进行进一步处理，其中都是我们耳熟能详的工具。
比如BLIP（音频）、Stable Diffusion（图像）、Pix2Pix（图像翻译）等等。
同样地，对于文字或者语音输入，InternGPT就会调用GPT-4、LLaMA等模型或工具进行处理，后续同样有一整个工具箱。
InternGPT的整体架构
使用提示
而在使用过程中，整个流程也是非常方便的。
用户在图片上传成功后，可以发送如下消息与iGPT进行多模态相关的对话：
"what is it in the image?" or "what is the background color of image?".同样，用户也可以交互式地操作、编辑或者生成图片，具体如下：
· 点击图片上的任意位置，然后按下 Pick 按钮，预览分割区域。也可以按下 OCR 按钮，识别具体位置处存在的所有单词；
· 要在图像中删除掩码区域，可以发送如下消息：
“remove the masked region”· 要在图像中替换掩码的物体为其他物体，可以发送如下消息：
“replace the masked region with {your prompt}”· 想生成新图像，可以发送如下消息：
“generate a new image based on its segmentation describing {your prompt}”· 想通过涂鸦创建新图像，按下 Whiteboard 并在白板上绘制。绘制完成后，需要按下 保存 按钮并发送如下消息：
“generate a new image based on this scribble describing {your prompt}”网友评论
那个令人震惊的DragGAN现在有一个非官方的版本。正式版本将在6月发布，这只是未来的预览。
DragGAN已经集成到InternGPT了，这么快就出来了，修图神器。
