#gan Dépôts
Découvrez 63 dépôts GitHub open source actifs associés à #gan, cumulant 469,046 étoiles au total (soit une moyenne de 7,445 étoiles par projet). Le projet en tête de ce thème est hacksider/Deep-Live-Cam, avec 98,528 étoiles.
63 dépôts au total
Échange de visages en temps réel et deepfake vidéo en un clic avec une seule image
🧑🏫 60+ implémentations/tutoriels d'articles de deep learning avec des notes côte à côte 📝; y compris les transformers (original, xl, switch, feedback, vit, ...), les optimiseurs (adam, adabelief, sophia, ...), les gans (cyclegan, stylegan2, ...), 🎮 l'apprentissage par renforcement (ppo, dqn), les capsnet, la distillation, ... 🧠
GFPGAN vise à développer des algorithmes pratiques pour la restauration de visages dans le monde réel.
《Tutoriel d'apprentissage profond de Li Hongyi》(Recommandé par le professeur Li Hongyi 👍, Apple Books 🍎), Lien de téléchargement PDF : https://github.com/datawhalechina/leedl-tutorial/releases
Ce dépôt contient les codes de "A Lip Sync Expert Is All You Need for Speech to Lip Generation In the Wild", publié à l'ACM Multimedia 2020. Pour le modèle commercial HD, essayez Sync Labs.
🦙 LaMa Image Inpainting, Inpainting de masques larges et robustes à la résolution avec des convolutions de Fourier, WACV 2022
Fork de so-vits-svc avec support en temps réel, interface améliorée et plus de fonctionnalités.
Bibliothèque PaddlePaddle GAN, comprenant de nombreuses applications intéressantes telles que le transfert de mouvement de premier ordre, Wav2Lip, la réparation d'images, l'édition d'images, photo2cartoon, le transfert de style d'image, GPEN, et ainsi de suite.
Collection de modèles génératifs, par ex. GAN, VAE en PyTorch et TensorFlow.
StyleTTS 2 : Vers une synthèse vocale de niveau humain par diffusion de style et entraînement contradictoire avec de grands modèles linguistiques vocaux
T81-558: Keras - Applications de Réseaux de Neurones Profonds @Washington University in St. Louis
Un framework arbitraire d'échange de visage sur des images et des vidéos avec un seul modèle entraîné !
🧠💬 Articles que j'ai écrits sur l'apprentissage automatique, archivés depuis MachineCurve.com.
Cours d'initiation à l'apprentissage profond, cours avancés, cours spéciaux, cas académiques, cas de pratique industrielle, encyclopédie des connaissances en apprentissage profond et banque de questions d'entretien Le cours, le cas et les connaissances de Deep Learning et IA
Super-résolution d'image unique photoréaliste utilisant un réseau antagoniste génératif
Ce repository est conçu pour aider les débutants en machine learning ou ceux qui se préparent à un étude. (This repository is intended for helping those who are beginners in machine learning or preparing for study)
Une aire de jeu pour générer des images à partir de n'importe quelle invite de texte en utilisant Stable Diffusion (anciennement : en utilisant DALL-E Mini)
SDG est un cadre spécialisé conçu pour générer des données tabulaires structurées de haute qualité.
HiFi-GAN : Réseaux Génératifs Antagonistes (GAN) pour une Synthèse Vocale Efficace et Haute Fidélité
Deep Learning Avancé avec Keras, publié par Packt
Core ML model zoo pour iOS/macOS — Modèles PyTorch convertis en .mlpackage prêts à l'emploi, chacun avec un script de conversion et une application exemple en SwiftUI. Les dépôts associés couvrent le framework Core AI d'Apple (iOS/macOS 27) et les LLM sur appareil.
Boîte à outils de modèles, de callbacks et de jeux de données pour les chercheurs en IA/ML.
Logiciels et modèles pré-entraînés pour l'amélioration automatique de la qualité des photos utilisant des Réseaux de Neurones Convolutionnels Profonds
Générateurs de données synthétiques pour données tabulaires et séries temporelles
Une liste sélectionnée des meilleures ressources en Intelligence Artificielle
Métriques de performance haute fidélité pour les modèles génératifs dans PyTorch
PyTorch – Calcul FID avec redimensionnement d'image approprié et étapes de quantification [CVPR 2022]
[IEEE TIP] "EnlightenGAN : Amélioration profonde de la lumière sans supervision appariée" par Yifan Jiang, Xinyu Gong, Ding Liu, Yu Cheng, Chen Fang, Xiaohui Shen, Jianchao Yang, Pan Zhou, Zhangyang Wang
Répertoire compagnon pour GANs in Action : Apprentissage profond avec des réseaux antagonistes génératifs
Liste de conception moléculaire et matérielle utilisant l'IA générative et l'apprentissage profond
TextGAN est un framework PyTorch pour les modèles de génération de texte basés sur des Réseaux Antagonistes Génératifs (GANs).
Une collection de méthodes de détection d'anomalies (iid/basées sur des points, graphe et séries temporelles) incluant l'apprentissage actif pour la détection/découverte d'anomalies, l'extraction de règles bayésiennes, description pour la diversité/explication/interprétabilité. Analyse de l'incorporation de retours d'étiquettes avec des détecteurs basés sur ensemble et arbre. Inclut des attaques adverses avec Graph Convolutional Network.
LLVIP: Un ensemble de données appariées visible-infrarouge pour la vision en faible luminosité
Code PyTorch pour "PSGAN : GAN spatialement conscient robuste aux poses et expressions pour le transfert de maquillage personnalisable" (CVPR 2020 Oral)
Foire aux questions
Quel est le dépôt #gan le plus populaire sur GitHub ?
Le projet #gan open source le mieux classé sur GitHub est hacksider/Deep-Live-Cam, avec 98,528 étoiles. Échange de visages en temps réel et deepfake vidéo en un clic avec une seule image
Quels langages de programmation sont les plus utilisés dans les dépôts #gan ?
Parmi les projets #gan les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, JavaScript.
Comment le classement des dépôts #gan est-il calculé ?
Nous suivons 63 dépôts open source actifs associés à #gan (500+ étoiles), totalisant 469,046 étoiles, avec une moyenne de 7,445 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.