#generative-adversarial-networks Repositories
Entdecke 53 aktive Open-Source-GitHub-Repositories, die mit #generative-adversarial-networks getaggt sind und insgesamt 135,919 Sterne gesammelt haben (durchschnittlich 2,564 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist eriklindernoren/PyTorch-GAN mit 17,387 Sternen.
Insgesamt 53 Repositories
🦙 LaMa Image Inpainting, Auflösungsrobuste Inpainting mit großen Masken durch Fourier-Faltungen, WACV 2022
Eine Liste von Arbeiten zu generativen gegnerischen (neuronalen) Netzwerken
SC-FEGAN: Face Editing Generative Adversarial Network mit Benutzer-Skizze und Farbe (ICCV2019)
PyTorch-Implementierung von Self-Attention Generative Adversarial Networks (SAGAN)
Face Depixelizer basierend auf dem Repository "PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models".
Hier ist eine Serie von Gesichts-Generatoren basierend auf StyleGAN2
Arbeitsablauf-Teilen eines interessanten Programmierers der 80er Generation
Code-Repository für die CVPR 2023 Arbeit "PanoHead: Geometrie-bewusste 3D-Gesamtkopf-Synthese in 360 Grad"
StyleGAN2 mit adaptiver Diskriminator-Augmentierung (ADA) – Offizielle TensorFlow-Implementierung
Software und vortrainierte Modelle für die automatische Verbesserung der Fotoqualität mit Deep Convolutional Networks
Eine Python-Bibliothek und Sammlung von Notebooks zum Erstellen von Kunst mit Machine Learning.
📖 Eine kuratierte Liste von Ressourcen, die sich dem Thema "Gespräch" widmen.
CVPR2023 - Aktivierung von mehr Pixeln in Image Super-Resolution Transformer TPAMI - HAT: Hybrid Attention Transformer für Image Restoration
(NeurIPS 2024 mündlicher Vortrag 🔥) Verbesserte Verteilungsübereinstimmungsdestillation für schnelle Bildsynthese
StyleGAN-Human: Eine datenzentrierte Odyssee der menschlichen Generierung
APISR: Anime-Produktion-inspirierte realweltliche Anime-Super-Resolution (CVPR 2024)
Codebasis für Zeitreihen-Generative Adversarial Networks (TimeGAN) – NeurIPS 2019
[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
[SIGGRAPH'22] StyleGAN-XL: Skalierung von StyleGAN auf große, vielfältige Datensätze
Code für das Paper: CNN-generierte Bilder sind überraschend einfach zu erkennen... vorerst https://peterwang512.github.io/CNNDetection/
Code für Pose-Controllable Talking Face Generation mittels implizit modularisierter Audio-Visueller Darstellung (CVPR 2021)
Moderne Computer Vision mit PyTorch, veröffentlicht von Packt
Code für den NeurIPS 2024 Paper - Der GAN ist tot; lang lebe der GAN! Ein moderner Baseline-GAN – von Huang et al.
Offizielle Implementierung für „Only a Matter of Style: Age Transformation Using a Style-Based Regression Model“ (SIGGRAPH 2021) https://arxiv.org/abs/2102.02754
Pytorch- und Torch-Testcode für CartoonGAN [Chen et al., CVPR18]
Offizieller Implementierungsbeitrag zum Paper "Towards Faster and Stabilized GAN Training for High-fidelity Few-shot Image Synthesis" auf der ICLR 2021
Dies ist der Code für den SpeechTokenizer, der in SpeechTokenizer: Unified Speech Tokenizer for Speech Language Models vorgestellt wird. Beispiele werden auf vorgestellt
Dieses Repository enthält den Code für LipGAN. LipGAN wurde als Teil des Papers mit dem Titel "Towards Automatic Face-to-Face Translation" veröffentlicht.
Eine unkomplizierte Sammlung von Ressourcen für die Musikgenerationsforschung.
Häufig gestellte Fragen
Welches ist das beliebteste #generative-adversarial-networks-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#generative-adversarial-networks-Projekt auf GitHub ist eriklindernoren/PyTorch-GAN mit 17,387 Sternen. PyTorch-Implementierungen von Generative Adversarial Networks.
Welche Programmiersprachen werden in #generative-adversarial-networks-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #generative-adversarial-networks-Projekten auf GitHub sind Python, Jupyter Notebook, TeX die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #generative-adversarial-networks-Repositories berechnet?
Wir verfolgen 53 aktive Open-Source-Repositories, die mit #generative-adversarial-networks getaggt sind (500+ Sterne), mit insgesamt 135,919 Sternen und durchschnittlich 2,564 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.