DragDiffusion 재현: 디퓨전 모델을 활용한 인터랙티브 포인트 기반 편집

Reproducing DragDiffusion: Interactive Point-Based Editing with Diffusion Models

DragDiffusion은 사용자가 선택한 포인트를 직접 드래그하여 이미지를 조작할 수 있게 해주는 인터랙티브 포인트 기반 이미지 편집을 위한 디퓨전 기반 방법이다. 이 방법은 정체성을 보존하는 미세 조정(fine-tuning) 및 공간 정규화와 함께 중간 타임스텝에서 단일 디퓨전 잠재 표현(diffusion latent)을 최적화함으로써 정확한 공간 제어를 달성할 수 있다고 주장한다. 본 연구는 저자가 공개한 구현체와 DragBench 벤치마크를 사용하여 DragDiffusion에 대한 재현성 연구를 제시한다. 우리는 디퓨전 타임스텝 선택, LoRA 기반 미세 조정, 마스크 정규화 강도, 그리고 UNet 특징 지도(feature supervision)에 대한 주요 절제 연구(ablation studies)를 재현하였으며, 원본 논문에서 보고된 정성적 및 정량적 경향과 밀접하게 일치함을 관찰하였다. 동시에, 우리의 실험은 다른 구성 요소들이 더 넓은 작동 범위를 허용하는 반면, 성능이 소수의 하이퍼파라미터 가정, 특히 최적화된 타임스텝 및 모션 지도에 사용되는 특징 수준(feature level)에 민감하다는 것을 보여준다. 우리는 나아가 다중 타임스텝 잠재 최적화 변형을 평가하였으며, 이것이 계산 비용을 상당히 증가시키는 반면 공간 정확도를 개선하지는 않는다는 것을 발견했다. 전반적으로 우리의 발견은 DragDiffusion의 핵심 주장을 뒷받침하는 동시에, 그것들이 신뢰할 수 있게 재현될 수 있는 조건을 명확히 한다. 코드는 https://github.com/AliSubhan5341/DragDiffusion-TMLR-Reproducibility-Challenge 에서 확인할 수 있다.

DragDiffusion is a diffusion-based method for interactive point-based image editing that enables users to manipulate images by directly dragging selected points. The method claims that accurate spatial control can be achieved by optimizing a single diffusion latent at an intermediate timestep, together with identity-preserving fine-tuning and spatial regularization. This work presents a reproducibility study of DragDiffusion using the authors' released implementation and the DragBench benchmark. We reproduce the main ablation studies on diffusion timestep selection, LoRA-based fine-tuning, mask regularization strength, and UNet feature supervision, and observe close agreement with the qualitative and quantitative trends reported in the original work. At the same time, our experiments show that performance is sensitive to a small number of hyperparameter assumptions, particularly the optimized timestep and the feature level used for motion supervision, while other components admit broader operating ranges. We further evaluate a multi-timestep latent optimization variant and find that it does not improve spatial accuracy while substantially increasing computational cost. Overall, our findings support the central claims of DragDiffusion while clarifying the conditions under which they are reliably reproducible. Code is available at https://github.com/AliSubhan5341/DragDiffusion-TMLR-Reproducibility-Challenge.