#generative-adversarial-network 仓库
探索 44 个标记为 #generative-adversarial-network 的活跃开源 GitHub 仓库,它们累计获得 159,539 个 Star(平均每个项目 3,625 个)。该主题的领先项目是 XingangPan/DragGAN,拥有 36,005 个 Star。
共 44 个仓库
OpenMMLab 多模态高级、生成式和智能创作工具箱。解锁魔法 🪄:生成式 AI (AIGC),易用 API,精彩模型库,扩散模型,用于文本到图像生成、图像/视频修复/增强等。
在这个笔记本中,我将创建一个完整的预测股票价格变动过程。跟随我,我们将取得一些相当好的结果。为此,我们将使用生成对抗网络(GAN),其中LSTM(一种循环神经网络)作为生成器,以及卷积神经网络(CNN)作为判别器。我们使用LSTM的原因很明显,因为我们试图预测时间序列数据。为什么我们使用GAN,特别是CNN作为判别器?这是一 个好的 q
带Contextual Attention和Gated Convolution的DeepFill v1/v2,CVPR 2018,以及ICCV 2019 Oral
“Pivotal Tuning for Latent-based editing of Real Images” (ACM TOG 2022) 的官方实现 https://arxiv.org/abs/2106.05744
一系列异常检测方法(iid/基于点的、图和时间序列)的集合,包括用于异常检测/发现的主动学习、贝叶斯规则挖掘、多样性/解释/可解释性的描述。将标签反馈与集成和基于树的检测器结合的分析。包括使用图卷积网络的对抗攻击。
使用PyTorch实现生成对抗网络 (GAN) 和深度卷积生成对抗网络 (DCGAN),针对MNIST和CelebA数据集
常见问题解答
GitHub 上最受欢迎的 #generative-adversarial-network 仓库是什么?
GitHub 上排名第一的开源 #generative-adversarial-network 项目是 XingangPan/DragGAN,拥有 36,005 个 Star。DragGAN 官方代码 (SIGGRAPH 2023)
#generative-adversarial-network 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #generative-adversarial-network 项目中,最常见的编程语言是 Python, Jupyter Notebook, JavaScript, C++。
#generative-adversarial-network 仓库的排名是如何计算的?
我们跟踪了 44 个标记为 #generative-adversarial-network 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 159,539 个 Star,平均每个仓库拥有 3,625 个 Star。排名每日根据 GitHub API 更新。