conda env create -f environment.yaml
下载SAM的预训练文件( https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth )，将该文件放至./segment-anything-main/ckpts文件夹下。
通过以下方式在dragdiff环境中安装segment_anything模块包：
conda activate dragdiff
cd ./segment-anything-main
pip install -e .
python drag_ui.py
(1) 输入图片并进行LoRA微调；
(2) 借助SAM模型，输入Segment Prompt(如Positive point，Negative point，Box)进行编辑区域的分割；
(3) 指定drag的起点与终点位置；
(4) 执行drag编辑。
(1)(2)(5)同上；
(3) 自定义三维椭圆的大小以及初始位置，包括其中心点的xy坐标，椭圆x轴和y轴的长度，以及绕y轴或z轴的初始旋转角度；
(4) 指定Drag点，指定旋转轴的三维向量(方向)，旋转角度，以及旋转轴的二维坐标，然后进行椭圆的旋转。
(1)(2)(4)同上；
(3) 选择缩放类型为整体(Entirety)或局部(Part)，如果是整体，需要指定缩放中心和缩放比例；如果是局部，需要在图中指定drag的起点和终点位置。
DragBench数据集原始数据位于./drag_bench_evaluation/drag_bench_data，此外，针对我们的方法，需要先对该数据集进行一些预处理，预处理数据位于./drag_bench_evaluation/drag_bench_data_preprocess_result_better。以下是模型评估流程：
cd ./drag_bench_evaluation
python run_lora_training.py
生成的所有LoRA文件将位于./drag_bench_evaluation/drag_bench_lora。
cd ./drag_bench_evaluation
python run_drag_diffusion_GDrag.py
cd ./drag_bench_evaluation
python run_eval_point_matching.py --eval_root results_dir # 评估Distance指标
python run_eval_similarity.py --eval_root results_dir # 评估Lpips指标