generative-adversarial-network

Code officiel de DragGAN (SIGGRAPH 2023)

Traduction Image vers Image en PyTorch

🦙 LaMa Image Inpainting, inpainting de grands masques robuste à la résolution avec convolutions de Fourier, WACV 2022

Boîte à outils OpenMMLab pour la création multimodale avancée, générative et intelligente. Libérez la magie : IA générative (AIGC), API faciles à utiliser, zoo de modèles impressionnant, modèles de diffusion pour la génération texte-vers-image, restauration/amélioration d'image/vidéo, etc.

Synthèse et manipulation d'images 2048x1024 avec des GAN conditionnels

Liste organisée d'applications et de démos impressionnantes basées sur les GAN

Calculer les scores FID avec PyTorch.

Implémentation simple et fonctionnelle de Stylegan2, un réseau antagoniste génératif de pointe, en Pytorch. Permet à chacun d'expérimenter le désenchevêtrement.

Génération de données synthétiques pour les données tabulaires

StudioGAN est une bibliothèque Pytorch fournissant des implémentations de réseaux antagonistes génératifs (GAN) représentatifs pour la génération d'images conditionnelle ou inconditionnelle.

DeepFill v1/v2 avec attention contextuelle et convolution fermée (Gated Convolution), CVPR 2018 et ICCV 2019 Oral

EdgeConnect : Inpainting d'images guidé par la structure via la prédiction de contours, ICCV 2019 https://arxiv.org/abs/1901.00212

Image-à-image en une étape avec Stable Diffusion turbo : sketch2image, day2night, et plus encore

Une étude sur la génération et la synthèse de texte vers image.

Jeu de données faciales à grande échelle pour l'analyse, la reconnaissance, la génération et l'édition de visages.

Implémentation en C++ des tutoriels PyTorch pour tous.

Une IA pour la génération de musique

Implémentation de GigaGAN, le nouvel état de l'art des GAN par Adobe. L'aboutissement de près d'une décennie de recherche sur les GAN.

Codec audio de pointe avec un facteur de compression de 90x. Prend en charge l'audio mono/stéréo 44,1 kHz, 24 kHz et 16 kHz.

Implémentation en PyTorch du GAN 'lightweight' proposé à l'ICLR 2021. Génération d'images haute résolution entraînables en un ou deux jours.

Collection de notebooks Google Colaboratory pour des expérimentations rapides et faciles

Générateurs de données synthétiques pour données tabulaires et séries temporelles

Liste de ressources utiles pour l'augmentation de données. Vous y trouverez des techniques peu communes, des bibliothèques, des liens vers des dépôts GitHub, des articles et plus encore.

GAN conditionnel pour la génération de données tabulaires synthétiques.

Dépôt de code officiel pour la deuxième édition du livre O'Reilly Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play.

Bibliothèque de détection d'anomalies non supervisée pour séries temporelles.

Modélisation générative profonde : exemples d'introduction.

[NeurIPS 2020] Augmentation différentiable pour l'entraînement efficace des GAN

PyTorch - Calcul du FID avec redimensionnement d'image et étapes de quantification appropriés [CVPR 2022].

Dépôt compagnon de GANs in Action : Deep learning avec les réseaux antagonistes génératifs