Inicio Proyectos interactive-deep-colorization
interactive-deep-colorization
Python

interactive-deep-colorization

Software de aprendizaje profundo para colorear imágenes en blanco y negro con unos pocos clics.

por junyanz · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Lenguaje
automatic-colorizationcaffecolorizationMITPython
Ver en GitHub
En palabras simples

Colorea imágenes en blanco y negro fácilmente utilizando software de aprendizaje profundo con solo unos clics.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
interactive-deep-colorization — GitHub preview card
📈 Historial de estrellas
2 6942 693
2026-07-072026-08-31
📈 Sigue interactive-deep-colorization

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Software de aprendizaje profundo para colorear imágenes en blanco y negro con unos pocos clics.

interactive-deep-colorization tiene 2.7k estrellas en GitHub. Se ha bifurcado 447 veces. interactive-deep-colorization está escrito principalmente en Python. Se desarrolla activamente desde 2017. interactive-deep-colorization está disponible bajo la licencia MIT. Sus temas principales son: automatic-colorization, caffe, colorization, computer-vision.

Frequently asked questions

¿Qué es interactive-deep-colorization?

Software de aprendizaje profundo para colorear imágenes en blanco y negro con unos pocos clics.

¿interactive-deep-colorization es de código abierto?

interactive-deep-colorization es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿interactive-deep-colorization es gratis?

Sí. interactive-deep-colorization es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está interactive-deep-colorization?

interactive-deep-colorization está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito interactive-deep-colorization?

interactive-deep-colorization está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — interactive-deep-colorization

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=junyanz-interactive-deep-colorization)](https://olud.ai/project/junyanz-interactive-deep-colorization.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
colorization
Colorización automática utilizando redes neuronales profundas. "Colorización de Imágenes Colori…
3.5k · automatic-colorization
comparteautomatic-colorizationcolorization
ColorFlow
La implementación oficial del artículo "ColorFlow: Colorización de Secuencias de Imágenes Aumen…
461 · automatic-colorization
comparteautomatic-colorizationcolorization
Deep-Exemplar-based-Video-Colorization
El código fuente del artículo de CVPR 2019 "Colorización de Video Basada en Ejemplares Profundo…
371 · colorization
compartecolorization
PMRF
[ICLR 2025] Implementación oficial de Posterior-Mean Rectified Flow: Hacia la restauración de i…
752 · blind-face-restoration
compartecolorization
keras_Realtime_Multi-Person_Pose_Estimation
Versión de Keras del proyecto de estimación de pose en tiempo real para múltiples personas
783 · caffe
compartecaffe
ppq
La Herramienta de Cuantización PPL (PPQ) es una poderosa herramienta de cuantización de redes n…
1.8k · caffe
compartecaffe
deepdetect
Servidor de Aprendizaje Profundo y CLI para Torch y TensorRT
2.6k · caffe
compartecaffe
jetson-inference
Guía Hello AI World para desplegar redes de inferencia de aprendizaje profundo y primitivas de…
8.9k · caffe
compartecaffe
multi-object-tracker
Rastreadores de múltiples objetos en Python
692 · caffe
compartecaffe
have-fun-with-machine-learning
Una guía para principiantes absolutos sobre Aprendizaje Automático y Clasificación de Imágenes…
5.1k · caffe
compartecaffe

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.