#gan Repositories
Entdecke 63 aktive Open-Source-GitHub-Repositories, die mit #gan getaggt sind und insgesamt 469,046 Sterne gesammelt haben (durchschnittlich 7,445 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist hacksider/Deep-Live-Cam mit 98,528 Sternen.
Insgesamt 63 Repositories
Echtzeit-Gesichtsatausch und One-Click-Video-Deepfake mit nur einem einzigen Bild
🧑🏫 60+ Implementierungen/Tutorials von Deep-Learning-Papieren mit begleitenden Notizen 📝; einschließlich Transformatoren (Original, xl, switch, feedback, vit, ...), Optimierern (adam, adabelief, sophia, ...), gans (cyclegan, stylegan2, ...), 🎮 Reinforcement Learning (ppo, dqn), capsnet, Destillation, ... 🧠
GFPGAN zielt auf die Entwicklung praktischer Algorithmen zur realen Gesichtsrestaurierung ab.
《Li Hongyi Deep Learning Tutorial》(Empfohlen von Professor Li Hongyi 👍, Apple Books 🍎), PDF-Download-Link: https://github.com/datawhalechina/leedl-tutorial/releases
Dieses Repository enthält die Codes von "A Lip Sync Expert Is All You Need for Speech to Lip Generation In the Wild", veröffentlicht auf der ACM Multimedia 2020. Für kommerzielle HD-Modelle probieren Sie bitte Sync Labs aus.
🦙 LaMa Image Inpainting, Auflösungsrobuste Inpainting mit großen Masken durch Fourier-Faltungen, WACV 2022
so-vits-svc-Fork mit Echtzeitunterstützung, verbesserter Benutzeroberfläche und mehr Funktionen.
PaddlePaddle GAN-Bibliothek, einschließlich vieler interessanter Anwendungen wie First-Order-Bewegungsübertragung, Wav2Lip, Bildreparatur, Bildbearbeitung, Photo2Cartoon, Bildstilübertragung, GPEN und so weiter.
Sammlung generativer Modelle, z. B. GAN, VAE in PyTorch und TensorFlow.
StyleTTS 2: Auf dem Weg zu sprachähnlicher Text-zu-Sprache durch Stil-Diffusion und gegnerisches Training mit großen Sprachmodellen für Sprache
T81-558: Keras - Anwendungen tiefer neuronaler Netze @Washington University in St. Louis
Ein beliebiges Face-Swapping-Framework für Bilder und Videos mit einem einzigen trainierten Modell!
🧠💬 Artikel, die ich über maschinelles Lernen geschrieben habe, archiviert von MachineCurve.com.
Einstiegskurse in Deep Learning, Fortgeschrittene Kurse, Spezialkurse, akademische Fälle, industrielle Praxisbeispiele, Deep-Learning-Wissens-Enzyklopädie und Interview-Fragenbank Der Kurs, Fall und das Wissen von Deep Learning und KI
Photo-Realistische Super-Resolution eines Einzelbildes mit einem Generativen Antagonistischem Netzwerk
Dieses Repository wurde erstellt, um Einsteigern im Machine Learning oder Personen, die sich auf ein Studium vorbereiten, zu helfen. (This repository is intended for helping those who are beginners in machine learning or preparing for study)
Eine Spielwiese zum Generieren von Bildern aus beliebigen Textbeschreibungen mit Stable Diffusion (zuvor: mit DALL-E Mini)
SDG ist ein spezialisiertes Framework, das zur Generierung von hochwertigen strukturierten tabellarischen Daten entwickelt wurde.
Die Sammlung von vortrainierten, hochmodernen KI-Modellen für das ailia SDK
HiFi-GAN: Generative Adversarial Networks für effiziente und hochgradig originalgetreue Sprachsynthese
Advanced Deep Learning mit Keras, veröffentlicht von Packt
Core ML Model Zoo für iOS/macOS — PyTorch-Modelle, konvertiert in einsatzbereite .mlpackage-Dateien, jeweils mit Konvertierungsskript und SwiftUI-Beispiel-App. Zugehörige Repositories decken Apples Core AI-Framework (iOS/macOS 27) und On-Device-LLMs ab.
Werkzeugkasten mit Modellen, Rückrufen und Datensätzen für KI/ML-Forscher.
Software und vortrainierte Modelle für die automatische Verbesserung der Fotoqualität mit Deep Convolutional Networks
Generatoren synthetischer Daten für tabellarische und Zeitreihendaten
PyTorch – FID-Berechnung mit ordnungsgemäßer Bildgrößenänderung und Quantisierungsschritten [CVPR 2022]
[IEEE TIP] "EnlightenGAN: Tiefe Lichtverbesserung ohne gepaarte Supervision" von Yifan Jiang, Xinyu Gong, Ding Liu, Yu Cheng, Chen Fang, Xiaohui Shen, Jianchao Yang, Pan Zhou, Zhangyang Wang
Begleit-Repository zu GANs in Action: Deep Learning mit Generative Adversarial Networks
Liste des molekularen und materiellen Designs unter Verwendung von generativer KI und Deep Learning
TextGAN ist ein PyTorch-Framework für textgenerierende Modelle auf Basis von Generative Adversarial Networks (GANs).
Eine Sammlung von Anomalie-Erkennungsmethoden (iid/punktbasiert, Graph und Zeitreihen), einschließlich Active Learning für Anomalie-Erkennung/Entdeckung, bayessches Regel-Mining, Beschreibung für Diversität/Erklärung/Interpretierbarkeit. Analyse der Integration von Label-Feedback mit Ensemble- und baumbasierten Detektoren. Beinhaltet adversariale Angriffe mit Graph Convolutional Network.
PyTorch-Code für „PSGAN: Pose and Expression Robust Spatial-Aware GAN for Customizable Makeup Transfer“ (CVPR 2020 Oral)
Häufig gestellte Fragen
Welches ist das beliebteste #gan-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#gan-Projekt auf GitHub ist hacksider/Deep-Live-Cam mit 98,528 Sternen. Echtzeit-Gesichtsatausch und One-Click-Video-Deepfake mit nur einem einzigen Bild
Welche Programmiersprachen werden in #gan-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #gan-Projekten auf GitHub sind Python, Jupyter Notebook, TypeScript, JavaScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #gan-Repositories berechnet?
Wir verfolgen 63 aktive Open-Source-Repositories, die mit #gan getaggt sind (500+ Sterne), mit insgesamt 469,046 Sternen und durchschnittlich 7,445 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.