AI 新研究 DragGAN 亮相：滑鼠點選拖拽，幾秒內重構畫面

如果你平時修過圖，大概對影像軟體裡的「變形」或「液化」工具很熟悉：滑鼠一點一拉，畫素跟著拉伸，拉猛了畫面就糊成一團怪影。

現在一項名為 DragGAN 的新 AI 研究，把這種互動邏輯徹底翻新了。它看起來也是點住一個點拖拽，但底層不是拉扯已有畫素，而是直接利用 AI 重新生成你想要的內容。

像拽 3D 模型一樣改圖

這項發表在 arXiv 上的研究剛一亮相，就因為在社交平臺上的轉發而迅速出圈，研究團隊的主頁甚至一度被湧入的流量擠到崩潰。

從展示的演示來看，使用者只需要在畫面上定幾個點，滑鼠輕輕一拖，幾秒內就能改好細節。

比如你可以隨手改動一輛汽車的長寬比例，或者把一個人的微笑直接拖成皺眉。更驚豔的是，它能像操作 3D 模型一樣旋轉畫面主體，比如直接改變人臉或動物面對的方向。

在另一個演示裡，使用者隨意拉動幾下，就能調整山脈的高度，甚至連湖水裡的倒影也會跟著一起即時調整。

研究團隊指出，這個模型不僅能理解物體的結構剛性（比如馬腿該怎麼自然彎曲），還能自動補全原本被遮擋的內容。比如當你把獅子的嘴拽大時，模型會自動生成藏在嘴裡的牙齒。

提示詞解決不了的控制力

用過 AI 畫圖的人都有體會：告訴 AI「畫一隻在草原上的獅子」很容易，但想讓它把頭稍微往左偏一點、嘴巴微張，就得寫一大串提示詞反覆抽卡，往往還調不對。

DragGAN 解決的正是這個互動痛點。團隊本身也提到，這項工作最核心的突破其實在互動介面上。

它給複雜的內容生成套上了一個大家早就用習慣的操作方式：指哪打哪，拖到哪裡算哪裡。

不過目前這還只是一篇論文和幾個低解析度的演示影片，真正的影像精細度和生成效果到底有多穩定，暫時還很難全面驗證。

為什麼重要

我們認為，DragGAN 之所以能引發這麼大反響，是因為它戳中了目前生成式 AI 最尷尬的軟肋：缺乏精準控制力。

對設計師和創作者來說，反覆改提示詞抽卡極其折磨人。如果未來這種互動能落地到日常工具裡，大家修圖時就再也不用去跟文本提示詞較勁，直接上手推拉即可微調。

從行業角度看，這項研究看起來會倒逼主流影像處理軟體加快跟進。單純靠文本框生成影像的時代可能很快就會過去，誰能先把直觀的微調工具做進工作流，誰才能真正留住專業創作者。

它的聰明之處在於完全順應了傳統修圖工具的操作直覺，沒有給使用者增加學習門檻。不過隱患也很明顯，目前基於 GAN 的技術路線在通用性和複雜場景泛化上常常受限，它能否順利融入如今主流的擴散模型並支援商用高解析度輸出，還需要持續觀察。