generative-adversarial-network

Código oficial para DragGAN (SIGGRAPH 2023)

Traducción de imagen a imagen en PyTorch

🦙 LaMa Image Inpainting, relleno de máscaras grandes robusto a la resolución con convoluciones de Fourier, WACV 2022

Caja de herramientas de creación avanzada, generativa e inteligente multimodal de OpenMMLab. Desbloquea la magia 🪄: IA generativa (AIGC), API fáciles de usar, impresionante colección de modelos, modelos de difusión para generación de texto a imagen, restauración/mejora de imagen y video, etc.

Síntesis y manipulación de imágenes de 2048x1024 con GAN condicionales

Lista seleccionada de aplicaciones y demostraciones increíbles de GAN

Calcula puntuaciones FID con PyTorch.

La implementación funcional más simple de Stylegan2, una red generativa antagónica de última generación, en PyTorch. Permitiendo que todos experimenten la disentrelazación

Generación de datos sintéticos para datos tabulares

StudioGAN es una biblioteca de PyTorch que proporciona implementaciones de Redes Generativas Adversarias (GANs) representativas para la generación de imágenes condicionales/incondicionales.

DeepFill v1/v2 con atención contextual y convolución con puertas (gated convolution), CVPR 2018 e ICCV 2019 Oral

EdgeConnect: Restauración de imágenes guiada por estructura mediante predicción de bordes, ICCV 2019 https://arxiv.org/abs/1901.00212

Imagen a imagen en un solo paso con Stable Diffusion turbo: sketch2image, day2night y más

(ෆ`꒳´ෆ) Un estudio sobre generación y síntesis de texto a imagen.

Un conjunto de datos faciales a gran escala para análisis, reconocimiento, generación y edición de rostros.

Implementación en C++ de los tutoriales de PyTorch para todos

Una IA para la generación de música

Implementación de GigaGAN, el nuevo SOTA GAN de Adobe. La culminación de casi una década de investigación en GANs

Códec de audio de última generación con un factor de compresión de 90x. Soporta audio mono/estéreo de 44.1kHz, 24kHz y 16kHz.

Implementación en Pytorch de la 'lightweight' GAN propuesta en ICLR 2021. Generación de imágenes de alta resolución que pueden entrenarse en uno o dos días.

Colección de notebooks de Google Colaboratory para experimentos rápidos y sencillos.

Generadores de datos sintéticos para datos tabulares y de series temporales

Lista de recursos útiles de aumento de datos. Encontrarás técnicas poco comunes, librerías, enlaces a repositorios de GitHub, papers y otros.

GAN condicional para generar datos tabulares sintéticos.

El repositorio de código oficial de la segunda edición del libro de O'Reilly Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play.

Biblioteca de detección de anomalías en series temporales no supervisada

Ejemplos introductorios de "Modelado generativo profundo"

[NeurIPS 2020] Aumento diferenciable para el entrenamiento eficiente de datos en GAN.

PyTorch - Cálculo de FID con pasos adecuados de redimensionamiento y cuantización de imágenes [CVPR 2022]

Repositorio complementario para GANs in Action: Deep learning with Generative Adversarial Networks