#image-super-resolution Repository
Scopri 17 repository GitHub open source attivi contrassegnati con #image-super-resolution, che raccolgono un totale di 20,237 stelle (con una media di 1,190 stelle per progetto). Il progetto leader di questo argomento è JingyunLiang/SwinIR, con 5,263 stelle.
17 repository in totale
SwinIR: Ripristino di Immagini Utilizzando Swin Transformer (repository ufficiale)
Codice PyTorch per il nostro articolo ECCV 2018 "Image Super-Resolution Using Very Deep Residual Channel Attention Networks"
Super-risoluzione di immagini a passi arbitrari tramite inversione di diffusione (CVPR 2025)
CVPR2023 - Attivazione di più pixel nel Transformer di Super-Risoluzione di Immagini TPAMI - HAT: Transformer di Attenzione Ibrida per il Restauro di Immagini
ResShift: Diffusore Efficiente per il Super-risoluzione di Immagini tramite Residual Shifting (NeurIPS@2023 Spotlight, TPAMI@2024)
Implementazione ufficiale di HYPIR: Harnessing Diffusion-Yielded Score Priors for Image Restoration (SIGGRAPH 2025)
[ECCV2024] Pixel-Aware Stable Diffusion per realistica super-risoluzione di immagini e stilizzazione personalizzata
DN_SuperBook_PDF_Converter - Strumento AI per migliorare la qualità PDF e regolare vari parametri, rendendo i PDF di libri scansionati così chiari e leggibili come i libri digitali.
Codice ufficiale per “Pixel to Gaussian: Ultra-Fast Continuous Super-Resolution with 2D Gaussian Modeling” ICLR 2026
[NeurlPS2024] Rete di diffusione efficace in un unico passaggio per la super-risoluzione di immagini reali
[ECCV] Swin2SR: SwinV2 Transformer per Super-Resolution e Restauro di Immagini Compresse. Workshop "Advances in Image Manipulation (AIM)" ECCV 2022. Provalo! Oltre 3,3 milioni di esecuzioni https://replicate.com/mv-lab/swin2sr
Tutti i miei modelli di upscaling AI auto-addestrati e rilasciati. Dopo aver raccolto e applicato oltre 600 diversi modelli di upscaling, ho imparato come addestrare i miei modelli e questi sono i risultati.
ACG2vec (Anime Comics Games to vector) si impegna a creare un playground che combina ACG e apprendimento profondo. (Ricerca semantica di testo, ricerca per immagini, ricerca semantica di immagini, super-risoluzione di immagini, sistemi di raccomandazione)
Un repository per articoli relativi ai modelli di diffusione nella visione di basso livello
[CVPR 2024] SinSR: Super-risoluzione di immagini basata sulla diffusione in un singolo passaggio
[ICCV'23] Transformer a Doppia Aggregazione per la Super-Risoluzione di Immagini
Domande frequenti
Qual è il repository #image-super-resolution più popolare su GitHub?
Il progetto open source #image-super-resolution più alto in classifica su GitHub è JingyunLiang/SwinIR, con 5,263 stelle. SwinIR: Ripristino di Immagini Utilizzando Swin Transformer (repository ufficiale)
Quali linguaggi di programmazione sono più utilizzati nei repository #image-super-resolution?
Tra i progetti #image-super-resolution più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, C#.
Come viene calcolata la classifica dei repository #image-super-resolution?
Monitoriamo 17 repository open source attivi contrassegnati con #image-super-resolution (500+ stelle), per un totale di 20,237 stelle e una media di 1,190 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.