Startseite Projekte lightweight-gan
lightweight-gan

lightweight-gan

von lucidrains · GitHub

Implementierung von 'lightweight' GAN, vorgeschlagen in ICLR 2021, in Pytorch. Hochauflösende Bildgenerierungen, die innerhalb eines oder zwei Tage trainiert werden können

Auf GitHub ansehen
In einfachen Worten

Generieren Sie hochauflösende Bilder schnell mit einem leichten generativen Modell in Python.

⭐ Sterne
🍴 Forks
🔥 Trendend
📜 Lizenz
Kommerzielle Nutzung erlaubt
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
lightweight-gan — GitHub preview card
📈 Sternhistorie
1 6811 680
2026-07-202026-07-29
📈 lightweight-gan verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Implementierung von 'lightweight' GAN, vorgeschlagen in ICLR 2021, in Pytorch. Hochauflösende Bildgenerierungen, die innerhalb eines oder zwei Tage trainiert werden können

lightweight-gan hat 1.7k Sterne auf GitHub. Es wurde 219-mal geforkt. lightweight-gan ist hauptsächlich in Python geschrieben. Es wird seit 2020 aktiv entwickelt. lightweight-gan ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: artificial-intelligence, deep-learning, generative-adversarial-network.

Frequently asked questions

Was ist lightweight-gan?

Implementierung von 'lightweight' GAN, vorgeschlagen in ICLR 2021, in Pytorch. Hochauflösende Bildgenerierungen, die innerhalb eines oder zwei Tage trainiert werden können

Ist lightweight-gan Open Source?

lightweight-gan ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist lightweight-gan kostenlos?

Ja. lightweight-gan ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht lightweight-gan?

lightweight-gan ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist lightweight-gan geschrieben?

lightweight-gan ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — lightweight-gan

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=lucidrains-lightweight-gan)](https://opensourceai.tech/project/lucidrains-lightweight-gan.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →
DF-GAN
[CVPR2022 Oral] Eine einfache und effektive Basislinie für Text-zu-Bild-Synthese
326 · generative-adversarial-network
teiltgenerative-adversarial-network
gigagan-pytorch
Implementierung von GigaGAN, dem neuen SOTA GAN von Adobe. Höhepunkt von fast einem Jahrzehnt F…
1.9k · artificial-intelligence
teiltgenerative-adversarial-network
the-gan-zoo
Eine Liste aller benannten GANs!
14.7k · gan
teiltgenerative-adversarial-network
videogan
Videos mit Szenendynamik generieren. NIPS 2016.
706 · computer-vision
teiltgenerative-adversarial-network
stylegan2-pytorch
Einfachste funktionierende Implementierung von Stylegan2, einem hochmodernen generativen advers…
3.8k · artificial-intelligence
teiltgenerative-adversarial-network
img2img-turbo
Ein-Schritt-Bild-zu-Bild mit Stable Diffusion turbo: sketch2image, day2night und mehr
2.5k · computer-vision
teiltgenerative-adversarial-network
text-to-image
Text-zu-Bild-Synthese mit Gedankenvektoren
2.2k · deep-learning
teiltgenerative-adversarial-network
BlendGAN
Offizielle PyTorch-Implementierung von "BlendGAN: Implizites GAN-Blending für beliebige stilisi…
498 · gan
teiltgenerative-adversarial-network
generative-compression
TensorFlow-Implementierung von Generative Adversarial Networks für extreme gelernte Bildkompres…
533 · computer-vision
teiltgenerative-adversarial-network
TP-GAN
Offizielle TP-GAN Tensorflow-Implementierung für das Papier "Beyond Face Rotation: Global and L…
510 · computer-vision
teiltgenerative-adversarial-network

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.