high-fidelity-generative-compression
Pytorch-Implementierung von hochfidelitärer generativer Bildkompression + Routinen für neuronale Bildkompression
Komprimieren Sie Bilder effizient, während Sie die Qualität beibehalten, mit einem Modell, das aus Daten lernt, um die Ergebnisse zu verbessern.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarPytorch-Implementierung von hochfidelitärer generativer Bildkompression + Routinen für neuronale Bildkompression
high-fidelity-generative-compression hat 475 Sterne auf GitHub. Es wurde 81-mal geforkt. high-fidelity-generative-compression ist hauptsächlich in Python geschrieben. Es wird seit 2020 aktiv entwickelt. high-fidelity-generative-compression ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: computer-vision, entropy-coding, generative-adversarial-networks, image-compression.
Was ist high-fidelity-generative-compression?
Pytorch-Implementierung von hochfidelitärer generativer Bildkompression + Routinen für neuronale Bildkompression
Ist high-fidelity-generative-compression Open Source?
high-fidelity-generative-compression ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.
Ist high-fidelity-generative-compression kostenlos?
Ja. high-fidelity-generative-compression ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Unter welcher Lizenz steht high-fidelity-generative-compression?
high-fidelity-generative-compression ist unter der Apache-2.0-Lizenz verfügbar.
In welcher Sprache ist high-fidelity-generative-compression geschrieben?
high-fidelity-generative-compression ist hauptsächlich in Python geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/justin-tan-high-fidelity-generative-compression.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.