Inicio Proyectos SPSR
SPSR
Python

SPSR

Implementación en Pytorch de Super Resolución que Preserva la Estructura con Guía de Gradiente (CVPR 2020 & TPAMI 2021)

por Maclory · GitHub
Estrellas
Ramas
Creado
Último commit
Categoría
Lenguaje
computer-visiondeep-learningimage-restorationPython
Ver en GitHub
En palabras simples

Mejora la calidad de la imagen aplicando técnicas avanzadas para hacer que las imágenes de baja resolución sean más claras y detalladas.

¿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 →
SPSR — GitHub preview card
📈 Historial de estrellas
455454
2026-07-202026-08-31
📈 Sigue SPSR

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

Implementación en Pytorch de Super Resolución que Preserva la Estructura con Guía de Gradiente (CVPR 2020 & TPAMI 2021)

SPSR tiene 454 estrellas en GitHub. Se ha bifurcado 82 veces. SPSR está escrito principalmente en Python. Se desarrolla activamente desde 2020. Sus temas principales son: computer-vision, deep-learning, image-restoration, structure-preserving.

Frequently asked questions

¿Qué es SPSR?

Implementación en Pytorch de Super Resolución que Preserva la Estructura con Guía de Gradiente (CVPR 2020 & TPAMI 2021)

¿SPSR es de código abierto?

SPSR es un proyecto de código abierto.

¿SPSR es gratis?

Sí. SPSR es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿En qué lenguaje está escrito SPSR?

SPSR está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — SPSR

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=maclory-spsr)](https://olud.ai/project/maclory-spsr.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

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