generative-adversarial-network

Offizieller Code für DragGAN (SIGGRAPH 2023)

Image-to-Image-Translation in PyTorch

🦙 LaMa Image Inpainting, auflösungsrobuste Inpainting-Verfahren für große Masken mit Fourier-Faltungen, WACV 2022

OpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox. Entfessle die Magie 🪄: Generative KI (AIGC), benutzerfreundliche APIs, großartiges Model Zoo, Diffusionsmodelle für Text-to-Image-Generierung, Bild-/Video-Wiederherstellung/-verbesserung usw.

Synthese und Manipulation von 2048x1024 Bildern mit konditionalen GANs

Kuratierte Liste fantastischer GAN-Anwendungen und -Demos

Berechnung von FID-Scores mit PyTorch.

Einfachste funktionierende Implementierung von StyleGAN2, einem modernen generativen adversarialen Netzwerk (GAN), in PyTorch. Ermöglicht jedem, Entflechtung zu erleben.

Synthetische Datengenerierung für tabellarische Daten

StudioGAN ist eine PyTorch-Bibliothek mit Implementierungen repräsentativer Generative Adversarial Networks (GANs) zur bedingten/unbedingten Bildgenerierung.

DeepFill v1/v2 mit Contextual Attention und Gated Convolution, CVPR 2018 und ICCV 2019 Oral

EdgeConnect: Strukturgesteuerte Bildinstandsetzung mittels Kantenprädiktion, ICCV 2019 https://arxiv.org/abs/1901.00212

Ein-Schritt-Image-to-Image mit Stable Diffusion turbo: sketch2image, day2night und mehr

(ෆ`꒳´ෆ) Eine Übersicht über Text-zu-Bild-Generierung und -Synthese.

Ein umfangreicher Gesichtsdatensatz für Gesichtsanalyse, -erkennung, -generierung und -bearbeitung.

C++-Implementierung von PyTorch-Tutorials für jedermann

Eine KI zur Musikgenerierung

Implementierung von GigaGAN, einem neuen SOTA-GAN von Adobe. Der Höhepunkt von fast einem Jahrzehnt der GAN-Forschung

Mustergültiger Audiocodec mit 90-fachem Kompressionsfaktor. Unterstützt Mono-/Stereo-Audio mit 44,1 kHz, 24 kHz und 16 kHz.

Implementierung des auf der ICLR 2021 vorgeschlagenen ,lightweight' GAN in PyTorch. Generierung hochauflösender Bilder, die innerhalb von ein bis zwei Tagen trainiert werden können

Sammlung von Google-Colaboratory-Notebooks für schnelle und einfache Experimente.

Synthetische DatenGeneratoren für Tabellen- und Zeitreihendaten

Liste nützlicher Ressourcen zur Datenaugmentierung. Hier finden Sie ungewöhnliche Techniken, Bibliotheken, Links zu GitHub-Repos, Paper und mehr.

Conditional GAN zum Generieren synthetischer tabellarischer Daten.

Das offizielle Code-Repository für die zweite Auflage des O'Reilly-Buches Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play.

Bibliothek zur unüberwachten Anomalieerkennung in Zeitreihen

Deep Generative Modeling: Einführung und Beispiele

[NeurIPS 2020] Differentiable Augmentation für das dateneffiziente GAN-Training

PyTorch - FID-Berechnung mit korrekten Schritten zur Bildgrößenänderung und Quantisierung [CVPR 2022]

Begleit-Repository zu „GANs in Action: Deep learning with Generative Adversarial Networks“