generative-adversarial-network

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

TextGAN est un framework PyTorch pour les modèles de génération de texte basés sur les réseaux antagonistes génératifs (GAN).

Une collection de méthodes de détection d'anomalies (iid/basées sur des points, graphes et séries temporelles) incluant l'apprentissage actif pour la détection/découverte d'anomalies, l'exploration de règles bayésiennes, et la description pour la diversité/explication/interprétabilité. Analyse de l'intégration des retours d'étiquetage avec des détecteurs d'ensemble et basés sur des arbres. Inclut des attaques adverses avec Graph Convolutional Network.

InstaGAN : Traduction d'images basée sur les instances (ICLR 2019)

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

[ICCV 2021] Focal Frequency Loss pour la reconstruction et la synthèse d'images

Super-résolution d'image unique photoréaliste utilisant un réseau antagoniste génératif (GAN) | Un tutoriel PyTorch pour la super-résolution

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

Un modèle d'apprentissage profond rapide pour convertir des vidéos basse résolution en haute résolution à 30 ips

Implémentation PyTorch de réseaux antagonistes génératifs (GAN) et de réseaux antagonistes génératifs convolutionnels profonds (DCGAN) pour les jeux de données MNIST et CelebA