generative-adversarial-network

Offizielle Implementierung für "Pivotal Tuning for Latent-based editing of Real Images" (ACM TOG 2022) https://arxiv.org/abs/2106.05744

TextGAN ist ein PyTorch-Framework für auf Generative Adversarial Networks (GANs) basierende Textgenerierungsmodelle.

Eine Sammlung von Anomalieerkennungsmethoden (IID/punktbasiert, Graphen und Zeitreihen) einschließlich aktiverem Lernen zur Anomalieerkennung/-entdeckung, Bayes'schem Regelmining und Beschreibung für Diversität/Erklärung/Interpretierbarkeit. Analyse der Einbindung von Feedback zu Labels mit Ensemble- und baumbasierten Detektoren. Beinhaltet gegnerische Angriffe mit Graph Convolutional Networks.

InstaGAN: Instanzbewusste Bildübersetzung (ICLR 2019)

PyTorch-Code für „PSGAN: Pose and Expression Robust Spatial-Aware GAN for Customizable Makeup Transfer“ (CVPR 2020 Oral)

[ICCV 2021] Focal Frequency Loss für Bildrekonstruktion und -synthese

Fotorealistische Super-Resolution einzelner Bilder mithilfe eines GAN (Generative Adversarial Network) | Ein PyTorch-Tutorial zur Super-Resolution

Code für Hands-on Unsupervised Learning Using Python (O'Reilly Media)

Ein schnelles Deep-Learning-Modell zum Hochskalieren von Videos mit niedriger Auflösung auf hohe Auflösung mit 30 fps.

PyTorch-Implementierung von Generative Adversarial Networks (GAN) und Deep Convolutional Generative Adversarial Networks (DCGAN) für die Datensätze MNIST und CelebA.