#generative-adversarial-network Repositórios
Descubra 44 repositórios ativos de código aberto no GitHub marcados com #generative-adversarial-network, acumulando um total de 159,539 estrelas (uma média de 3,625 por projeto). O líder deste tópico é XingangPan/DragGAN, com 36,005 estrelas.
44 repositórios no total
🦙 LaMa Image Inpainting, Inpainting de Máscara Grande Robusto à Resolução com Convoluções de Fourier, WACV 2022
OpenMMLab Multimodal: Uma Caixa de Ferramentas de Criação Avançada, Generativa e Inteligente. Desvende a magia 🪄: IA Generativa (AIGC), APIs fáceis de usar, um incrível arsenal de modelos, modelos de difusão, para geração de texto para imagem, restauração/aprimoramento de imagem/vídeo, etc.
Neste caderno, criarei um processo completo para prever movimentos de preços de ações. Acompanhe e alcançaremos resultados muito bons. Para isso, usaremos uma Rede Adversarial Generativa (GAN) com LSTM, um tipo de Rede Neural Recorrente, como gerador, e uma Rede Neural Convolucional, CNN, como discriminador. Usamos LSTM pela razão óbvia de que estamos tentando prever dados de séries temporais. Por que usamos GAN e especificamente CNN como discriminador? Essa é uma boa p
Lista com curadoria de aplicativos e demonstrações incríveis de GAN
Implementação funcional mais simples do Stylegan2, rede adversarial generativa de última geração, em Pytorch. Capacitando todos a experimentar o disentanglement
StudioGAN é uma biblioteca Pytorch que fornece implementações de Redes Generativas Adversariais (GANs) representativas para geração condicional/incondicional de imagens.
DeepFill v1/v2 com Atenção Contextual e Convolução Gated, CVPR 2018 e ICCV 2019 Oral
EdgeConnect: Inpainting de Imagem Guiado por Estrutura usando Predição de Arestas, ICCV 2019 https://arxiv.org/abs/1901.00212
Imagem para imagem em uma etapa com Stable Diffusion turbo: sketch2image, day2night e mais
(ෆ`꒳´ෆ) Uma Pesquisa sobre Geração/Síntese de Texto para Imagem.
Um conjunto de dados de rostos em larga escala para análise, reconhecimento, geração e edição de rostos.
Implementação do GigaGAN, o novo GAN SOTA da Adobe. Culminação de quase uma década de pesquisa em GANs
Codec de áudio de última geração com fator de compressão de 90x. Suporta áudio mono/estéreo de 44,1kHz, 24kHz e 16kHz.
Implementação da GAN 'lightweight', proposta na ICLR 2021, em Pytorch. Geração de imagens de alta resolução que podem ser treinadas em um ou dois dias
Coleção de notebooks do Google Colaboratory para experimentos rápidos e fáceis
Geradores de dados sintéticos para dados tabulares e de séries temporais
Lista de recursos úteis de aumento de dados (data augmentation). Você encontrará aqui algumas técnicas incomuns, bibliotecas, links para repositórios do GitHub, artigos e outros.
O repositório de código oficial para a segunda edição do livro da O'Reilly, Aprendizado Profundo Generativo: Ensinando Máquinas a Pintar, Escrever, Compor e Jogar.
[NeurIPS 2020] Aumento Diferenciável para Treinamento de GANs Eficiente em Dados
PyTorch - Cálculo de FID com redimensionamento de imagem e etapas de quantização adequados [CVPR 2022]
Repositório complementar de GANs in Action: Deep learning with Generative Adversarial Networks
Implementação oficial para "Pivotal Tuning for Latent-based editing of Real Images" (ACM TOG 2022) https://arxiv.org/abs/2106.05744
TextGAN é um framework PyTorch para modelos de geração de texto baseados em Redes Generativas Adversariais (GANs).
Uma coleção de métodos de detecção de anomalias (iid/baseados em pontos, grafos e séries temporais), incluindo aprendizado ativo para detecção/descoberta de anomalias, mineração de regras bayesianas, descrição para diversidade/explicação/interpretabilidade. Análise da incorporação de feedback de rótulos com detectores baseados em ensemble e em árvores. Inclui ataques adversariais com Redes Neurais Convolucionais de Grafos.
Código PyTorch para "PSGAN: GAN com Consciência Espacial Robusto a Posição e Expressão para Transferência de Maquiagem Personalizável" (CVPR 2020 Oral)
Código para Aprendizado Não Supervisionado Prático Usando Python (O'Reilly Media)
Super-Resolução Fotorrealista de Imagem Única Usando uma Rede Adversarial Generativa | Um Tutorial de PyTorch sobre Super-Resolução
Um Modelo Rápido de Deep Learning para Aumentar a Resolução de Vídeos de Baixa Resolução para Alta Resolução a 30fps
[ICCV 2021] Focal Frequency Loss para Reconstrução e Síntese de Imagens
[CVPR 2022] StyleSwin: GAN baseado em Transformer para Geração de Imagens de Alta Resolução
Implementação em Pytorch de Redes Generativas Adversariais (GAN) e Redes Generativas Adversariais Convolucionais Profundas (DCGAN) para os conjuntos de dados MNIST e CelebA
Perguntas Frequentes
Qual é o repositório de #generative-adversarial-network mais popular no GitHub?
O projeto de código aberto de #generative-adversarial-network mais bem classificado no GitHub é XingangPan/DragGAN, com 36,005 estrelas. Código Oficial para DragGAN (SIGGRAPH 2023)
Quais linguagens de programação são mais usadas nos repositórios de #generative-adversarial-network?
Entre os projetos de #generative-adversarial-network mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, JavaScript, C++.
Como é calculada a classificação dos repositórios de #generative-adversarial-network?
Acompanhamos 44 repositórios ativos de código aberto marcados com #generative-adversarial-network (com mais de 500 estrelas), totalizando 159,539 estrelas e uma média de 3,625 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.