Project Icon

DCLGAN

无监督图像转换的双重对比学习方法 实现更真实几何变换

DCLGAN是一种新型无监督图像到图像转换模型,采用双重对比学习方法。相比CycleGAN,它能实现更真实的几何变换;相比CUT,具有更高的稳定性和性能。DCLGAN适用于多种图像转换任务,如猫狗互换和马斑马互换。项目提供了预训练模型和使用指南,便于研究者进行实验和评估。

DoppelGANger - 高保真时间序列数据生成框架
DoppelGANgerGANGithub开源项目数据共享数据隐私时间序列数据
DoppelGANger是一个基于生成对抗网络(GAN)的时间序列数据生成框架。它通过解决长期依赖性和复杂多维关系等挑战,在多个真实数据集上实现了比基准模型高43%的保真度。该框架为网络系统研究提供了一种共享高质量合成数据集的通用方法,有助于推动数据共享实践。DoppelGANger已获得多家公司采用,并提供开源代码实现。
iGAN - 交互式图像生成工具,通过用户编辑实时生成图像
GANGithubiGAN交互式图像生成图像翻译开源项目深度生成模型
系统采用深度生成模型(如GAN和DCGAN),提供智能绘图界面,支持用户通过简单笔触实时生成逼真图像样本。用户可通过颜色和形状的画笔进行编辑,系统自动生成符合编辑的图像。此外,该系统也是一种交互式视觉调试工具,帮助开发者理解和可视化深度生成模型的能力与局限性。
generative_adversarial_networks_101 - 探索生成对抗网络的核心概念和实践实现
GANGithub人工智能图像生成开源项目深度学习生成对抗网络
该项目全面介绍生成对抗网络(GANs)的基本概念和应用实践。内容涵盖多种GAN模型在MNIST和CIFAR-10数据集上的具体实现,包括DCGAN、CGAN等。通过详细的代码示例、训练过程和结果可视化,展示了GAN的工作原理。项目还提供丰富的参考资料和相关论文,为深入学习和实践GAN提供了有价值的资源。
PaddleGAN - 基于PaddlePaddle的开源GAN框架 支持快速开发和部署
GithubPaddleGAN图像生成开源项目生成对抗网络超分辨率风格迁移
PaddleGAN是基于PaddlePaddle开发的开源GAN框架,实现了多种经典和前沿GAN模型。框架支持快速开发和部署GAN应用,适用于学术研究和工业应用。主要功能包括图像翻译、人脸编辑、视频修复等,并提供详细教程和在线体验。PaddleGAN持续更新最新GAN技术,为开发者提供高效易用的GAN开发工具。
joliGEN - 集成GAN、扩散和一致性模型的AI图像生成框架
GANGithubJoliGEN图像处理开源项目扩散模型生成式AI
joliGEN是一个集成框架,用于训练自定义的AI图像转换模型。该框架集成了GAN、扩散和一致性模型,可用于配对和无配对的图像转换任务。joliGEN适用于图像生成控制、增强现实和数据集增强等实际场景。它支持快速稳定的训练过程,并提供REST API服务简化部署。凭借丰富的选项和参数,joliGEN可应用于多种图像生成和处理任务。
rcg - RCG框架实现突破性无条件图像生成性能
GithubPyTorchRCG图像生成开源项目神经网络自监督学习
RCG是一种创新的自监督图像生成框架,在ImageNet 256x256数据集上达到了无条件图像生成的最佳性能。该框架缩小了无条件和有条件图像生成之间的性能差距。项目提供基于PyTorch的GPU实现,包含表示扩散模型(RDM)以及MAGE、DiT、ADM和LDM等多种像素生成器的训练和评估代码。同时提供预训练模型和可视化工具,便于研究人员复现和拓展相关工作。
ArtGAN - 深度学习驱动的艺术品生成与分类开源项目
ArtGANGithub图像分类开源项目数据集深度学习艺术生成
ArtGAN是一个融合深度学习与艺术的开源项目,专注于艺术作品的生成和分类。项目包含WikiArt数据集、改进的ArtGAN模型用于条件合成图像和艺术品,以及深度卷积网络用于绘画分类。通过生成高质量肖像画,ArtGAN展示了AI在艺术领域的应用潜力。该项目不仅为学术研究提供了重要资源,还为艺术创作和鉴赏开拓了新视角。项目由三个主要部分组成:精炼的WikiArt数据集、用于条件合成图像的改进ArtGAN模型,以及用于绘画分类的深度卷积网络。这些组件共同构成了一个全面的艺术智能研究平台,为探索AI与艺术的交叉领域提供了有力支持。
EigenGAN-Tensorflow - 层级特征分解的生成对抗网络框架
EigenGANGithub人脸生成图像属性编辑开源项目无监督学习生成对抗网络
EigenGAN-Tensorflow是一个基于TensorFlow实现的生成对抗网络框架,采用层级特征分解方法。该项目提供CelebA和Anime数据集的训练测试代码,可生成和操控高质量人脸与动漫图像。通过特征分解实现图像属性的无监督学习和精确控制,支持多GPU训练,并提供预训练模型。此开源项目为GAN研究和开发提供了实用工具。
JGAN - Jittor框架上27种GAN模型的实现与加速对比
GANGithubJittorPyTorch人工智能开源项目深度学习
JGAN项目在Jittor深度学习框架上实现了27种经典生成对抗网络(GAN)模型,包括ACGAN、CycleGAN和DCGAN等。相比PyTorch,这些模型平均加速185%,最高达283%。项目提供详细使用说明和性能对比数据,为GAN研究和应用开发提供全面的模型库支持。
EnlightenGAN - 无监督深度光照增强技术
EnlightenGANGithub图像增强开源项目无配对监督深度学习计算机视觉
EnlightenGAN是一种用于增强低光照图像质量的深度学习方法。该技术采用无监督学习方式,无需配对的低光/正常光照图像进行训练。EnlightenGAN基于生成对抗网络(GAN)架构,能有效提升各种复杂场景下的图像亮度和细节。在多个公开数据集上,EnlightenGAN展现出优秀性能,为计算机视觉和图像处理领域提供了新的解决方案。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号