generative-adversarial-network

Kode resmi untuk DragGAN (SIGGRAPH 2023)

Terjemahan Gambar-ke-Gambar di PyTorch.

🦙 Inpainting Gambar LaMa, Inpainting Mask Besar yang tangguh terhadap resolusi dengan Konvolusi Fourier, WACV 2022

OpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox. Buka keajaiban 🪄: Generative-AI (AIGC), API yang mudah digunakan, model zoo yang luar biasa, model difusi, untuk pembuatan teks-ke-gambar, restorasi/peningkatan gambar/video, dll.

Mensintesis dan memanipulasi gambar 2048x1024 dengan conditional GANs.

Daftar pilihan aplikasi dan demo GAN yang luar biasa.

Menghitung skor FID dengan PyTorch.

Implementasi fungsional paling sederhana dari Stylegan2, generative adversarial network tercanggih, di Pytorch. Memungkinkan setiap orang merasakan disentangle.

Pembuatan data sintetis untuk data tabular

StudioGAN adalah pustaka PyTorch yang menyediakan implementasi Generative Adversarial Networks (GAN) representatif untuk pembuatan gambar kondisional/non-kondisional.

DeepFill v1/v2 dengan Contextual Attention dan Gated Convolution, CVPR 2018, dan ICCV 2019 Oral

EdgeConnect: Inpainting Gambar Berpandu Struktur menggunakan Prediksi Tepi, ICCV 2019 https://arxiv.org/abs/1901.00212

Image-to-image satu langkah dengan Stable Diffusion turbo: sketch2image, day2night, dan lainnya

(ෆ`꒳´ෆ) Survei tentang pembuatan/sintesis teks-ke-gambar.

Dataset wajah skala besar untuk parsing, pengenalan, pembuatan, dan penyuntingan wajah.

Implementasi C++ dari Tutorial PyTorch untuk Semua Orang

AI untuk Pembuatan Musik

Implementasi GigaGAN, SOTA GAN baru dari Adobe. Puncak dari penelitian selama hampir satu dekade tentang GAN

Codec audio mutakhir dengan faktor kompresi 90x. Mendukung audio mono/stereo 44,1kHz, 24kHz, dan 16kHz.

Implementasi GAN 'ringan', yang diusulkan dalam ICLR 2021, di PyTorch. Pembuatan gambar resolusi tinggi yang dapat dilatih dalam waktu satu atau dua hari

Kumpulan notebook Google Colaboratory untuk eksperimen yang cepat dan mudah

Generator data sintetik untuk data tabular dan deret waktu

Daftar sumber daya augmentasi data yang berguna. Anda akan menemukan beberapa teknik yang tidak biasa, pustaka, tautan ke repo GitHub, makalah, dan lainnya di sini.

GAN Bersyarat untuk menghasilkan data tabular sintetis.

Repositori kode resmi untuk edisi kedua buku O'Reilly Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play.

Pustaka deteksi anomali deret waktu tanpa pengawasan (unsupervised)

"Deep Generative Modeling": Contoh Pengantar

[NeurIPS 2020] Augmentasi Diferensial untuk Pelatihan GAN yang Efisien Data

PyTorch - Perhitungan FID dengan langkah pengubahan ukuran dan kuantisasi gambar yang tepat [CVPR 2022]

Repositori pendamping untuk GANs in Action: Deep learning with Generative Adversarial Networks.