#generative-adversarial-network Repository
Scopri 44 repository GitHub open source attivi contrassegnati con #generative-adversarial-network, che raccolgono un totale di 159,539 stelle (con una media di 3,625 stelle per progetto). Il progetto leader di questo argomento è XingangPan/DragGAN, con 36,005 stelle.
44 repository in totale
🦙 LaMa Image Inpainting, Inpainting di maschere ampie e robuste alla risoluzione con convoluzioni di Fourier, WACV 2022
OpenMMLab Cassetta degli Attrezzi Multimodale Avanzata, Generativa e Intelligente per la Creazione. Sblocca la magia 🪄: AI Generativa (AIGC), API facili da usare, zoo di modelli fantastico, modelli a diffusione, per la generazione testo-immagine, restauro/miglioramento di immagini/video, ecc.
In questo notebook creerò un processo completo per prevedere i movimenti dei prezzi delle azioni. Segui e otterremo alcuni risultati piuttosto buoni. Per questo scopo useremo una Rete Avversaria Generativa (GAN) con LSTM, un tipo di Rete Neurale Ricorrente, come generatore, e una Rete Neurale Convoluzionale, CNN, come discriminatore. Usiamo LSTM per il motivo ovvio che stiamo cercando di prevedere dati di serie temporali. Perché usiamo GAN e specificamente CNN come discriminatore? È una buona q
Implementazione più semplice e funzionante di Stylegan2, rete generativa avversaria all'avanguardia, in PyTorch. Consentendo a tutti di sperimentare il disentanglement.
StudioGAN è una libreria Pytorch che fornisce implementazioni di Reti Generative Avversarie (GAN) rappresentative per la generazione di immagini condizionale/incondizionata.
DeepFill v1/v2 con Contextual Attention e Gated Convolution, CVPR 2018, e ICCV 2019 Oral
EdgeConnect: Inpainting di immagini guidato dalla struttura usando predizione dei bordi, ICCV 2019 https://arxiv.org/abs/1901.00212
Immagine-a-immagine in un unico passaggio con Stable Diffusion turbo: sketch2image, day2night e altro
(ෆ`꒳´ෆ) Una panoramica sulla generazione/sintesi da testo a immagine.
Un set di dati di volti su larga scala per l'analisi, il riconoscimento, la generazione e la modifica dei volti.
Implementazione di GigaGAN, una nuova GAN SOTA di Adobe. Culmine di quasi un decennio di ricerca sui GAN
Codec audio all'avanguardia con un fattore di compressione di 90x. Supporta audio mono/stereo a 44,1 kHz, 24 kHz e 16 kHz.
Implementazione di GAN "leggero", proposto in ICLR 2021, in Pytorch. Generazioni di immagini ad alta risoluzione che possono essere addestrate entro un giorno o due
Raccolta di notebook di Google Colaboratory per esperimenti rapidi e semplici
Generatori di dati sintetici per dati tabellari e serie temporali
Elenco di risorse utili per l'augmentation dei dati. Qui troverai alcune tecniche non comuni, librerie, link a repository GitHub, articoli e altro.
Il repository di codice ufficiale per la seconda edizione del libro O'Reilly Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play.
[NeurIPS 2020] Augmentation Differenziabile per l'Addestramento di GAN Data-Efficient
PyTorch – Calcolo FID con ridimensionamento appropriato delle immagini e passaggi di quantizzazione [CVPR 2022]
Repository complementare per GANs in Action: Deep learning con Generative Adversarial Networks
Implementazione Ufficiale per "Pivotal Tuning for Latent-based editing of Real Images" (ACM TOG 2022) https://arxiv.org/abs/2106.05744
TextGAN è un framework PyTorch per modelli di generazione di testo basati su Reti Avversarie Generative (GANs).
Una collezione di metodi di rilevamento anomalie (iid/basati su punti, grafo e serie temporali) inclusi apprendimento attivo per rilevamento/scoperta anomalie, estrazione regole bayesiana, descrizione per diversità/spiegazione/interpretabilità. Analisi dell'incorporazione di feedback etichette con rilevatori ensemble e basati su alberi. Include attacchi avversari con Graph Convolutional Network.
Codice PyTorch per "PSGAN: Pose and Expression Robust Spatial-Aware GAN for Customizable Makeup Transfer" (CVPR 2020 Oral)
Codice per l'Apprendimento Non Supervizzato Pratico con Python (O'Reilly Media)
Super-risoluzione di immagini singole foto-realistica utilizzando una rete antagonista generativa | un tutorial PyTorch sulla Super-risoluzione
Un modello di deep learning veloce per upscalare video a bassa risoluzione ad alta risoluzione a 30 fps
[ICCV 2021] Focal Frequency Loss per Ricostruzione e Sintesi di Immagini
[CVPR 2022] StyleSwin: GAN basato su Transformer per la generazione di immagini ad alta risoluzione
Implementazione in PyTorch di Generative Adversarial Networks (GAN) e Deep Convolutional Generative Adversarial Networks (DCGAN) per i dataset MNIST e CelebA
Domande frequenti
Qual è il repository #generative-adversarial-network più popolare su GitHub?
Il progetto open source #generative-adversarial-network più alto in classifica su GitHub è XingangPan/DragGAN, con 36,005 stelle. Codice Ufficiale per DragGAN (SIGGRAPH 2023)
Quali linguaggi di programmazione sono più utilizzati nei repository #generative-adversarial-network?
Tra i progetti #generative-adversarial-network più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, JavaScript, C++.
Come viene calcolata la classifica dei repository #generative-adversarial-network?
Monitoriamo 44 repository open source attivi contrassegnati con #generative-adversarial-network (500+ stelle), per un totale di 159,539 stelle e una media di 3,625 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.