#generative-adversarial-network Репозитории
Откройте для себя 44 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #generative-adversarial-network, с общим числом 159,539 звёзд (в среднем 3,625 на проект). Лидером этой темы является XingangPan/DragGAN, набравший 36,005 звёзд.
Всего репозиториев: 44
🦙 LaMa Image Inpainting, устойчивое к разрешению инпейтинг больших масок с использованием сверток Фурье, WACV 2022
OpenMMLab Мультимодальный продвинутый, генеративный и интеллектуальный инструментальный ящик для создания. Разблокируйте магию 🪄: Генеративный ИИ (AIGC), простые в использовании API, впечатляющая коллекция моделей, модели диффузии для генерации изображений из текста, восстановления/улучшения изображений/видео и т.д.
В этом блокноте я создам полный процесс для предсказания движений цен акций. Следите за мной, и мы добьемся довольно хороших результатов. Для этой цели мы будем использовать Генеративно-Состязательную Сеть (GAN) с LSTM, видом Рекуррентной Нейронной Сети, в качестве генератора, и Сверточную Нейронную Сеть, CNN, в качестве дискриминатора. Мы используем LSTM по очевидной причине, что пытаемся предсказывать данные временных рядов. Почему мы используем GAN и конкретно CNN в качестве дискриминатора? Это хороший q
Самая простая рабочая реализация Stylegan2, передовой генеративно-состязательной сети, в PyTorch. Позволяя каждому испытать disentanglement.
StudioGAN — это библиотека Pytorch, предоставляющая реализации репрезентативных генеративно-состязательных сетей (GAN) для условной/безусловной генерации изображений.
DeepFill v1/v2 с Contextual Attention и Gated Convolution, CVPR 2018, и ICCV 2019 Oral
EdgeConnect: Структура-направленное заполнение изображений с использованием предсказания краёв, ICCV 2019 https://arxiv.org/abs/1901.00212
Одношаговое преобразование изображения в изображение с помощью Stable Diffusion turbo: sketch2image, day2night и многое другое
Масштабный набор данных лиц для анализа, распознавания, генерации и редактирования лиц.
Реализация GigaGAN, новой SOTA GAN от Adobe. Результат почти десятилетних исследований GAN
Современный аудиокодек с коэффициентом сжатия 90x. Поддерживает моно/стерео аудио с частотой 44,1 кГц, 24 кГц и 16 кГц.
Реализация "легкой" GAN, предложенной в ICLR 2021, в Pytorch. Генерация изображений высокого разрешения, которую можно обучить за один-два дня
Сборник блокнотов Google Colaboratory для быстрых и простых экспериментов
Генераторы синтетических данных для табличных данных и временных рядов
Список полезных ресурсов для аугментации данных. Здесь вы найдете некоторые нераспространенные техники, библиотеки, ссылки на репозитории GitHub, статьи и другое.
Официальный репозиторий кода для второго издания книги O'Reilly «Генеративное глубокое обучение: обучение машин рисованию, письму, сочинению и игре».
[NeurIPS 2020] Дифференцируемое дополнение для эффективного обучения GAN на основе данных
PyTorch – Расчет FID с надлежащим изменением размера изображения и шагами квантования [CVPR 2022]
Сопутствующий репозиторий к GANs in Action: Глубокое обучение с генеративно-состязательными сетями
Официальная реализация "Pivotal Tuning for Latent-based editing of Real Images" (ACM TOG 2022) https://arxiv.org/abs/2106.05744
TextGAN — это фреймворк PyTorch для моделей генерации текста на основе генеративно-состязательных сетей (GANs).
Сборник методов обнаружения аномалий (iid/на основе точек, граф и временные ряды), включая активное обучение для обнаружения/открытия аномалий, байесовское извлечение правил, описание для разнообразия/объяснения/интерпретируемости. Анализ интеграции обратной связи по меткам с детекторами на основе ансамблей и деревьев. Включает adversarial атаки с Graph Convolutional Network.
Код PyTorch для "PSGAN: Pose and Expression Robust Spatial-Aware GAN for Customizable Makeup Transfer" (CVPR 2020 Oral)
Код для практического обучения без учителя с использованием Python (O'Reilly Media)
Фотореалистичное суперразрешение одиночного изображения с использованием генеративной состязательной сети | Учебник PyTorch по суперразрешению
Быстрая модель глубокого обучения для апсемплинга видео низкого разрешения до высокого разрешения на 30 fps
[ICCV 2021] Focal Frequency Loss для реконструкции и синтеза изображений
[CVPR 2022] StyleSwin: GAN на основе Transformer для генерации изображений высокого разрешения
Реализация на PyTorch генеративно-состязательных сетей (GAN) и глубоких сверточных генеративно-состязательных сетей (DCGAN) для наборов данных MNIST и CelebA
Часто задаваемые вопросы
Какой репозиторий по теме #generative-adversarial-network наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #generative-adversarial-network на GitHub — XingangPan/DragGAN, набравший 36,005 звёзд. Официальный код для DragGAN (SIGGRAPH 2023)
Какие языки программирования чаще всего используются в репозиториях по теме #generative-adversarial-network?
Среди наиболее высоко оценённых проектов по теме #generative-adversarial-network на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, JavaScript, C++.
Как рассчитывается рейтинг репозиториев по теме #generative-adversarial-network?
Мы отслеживаем 44 активных репозиториев с открытым исходным кодом, отмеченных тегом #generative-adversarial-network (500 и более звёзд), с общим числом 159,539 звёзд и в среднем 3,625 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.