Inicio Proyectos data-efficient-gans
data-efficient-gans
Python

data-efficient-gans

[NeurIPS 2020] Aumento diferenciable para entrenamiento de GAN eficiente en datos

por mit-han-lab · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Categoría
Lenguaje
data-efficientgansgenerative-adversarial-networkBSD-2-ClausePython
Ver en GitHub
En palabras simples

Entrena modelos de IA para generar imágenes utilizando solo un pequeño número de imágenes de ejemplo con técnicas avanzadas.

¿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 →
data-efficient-gans — GitHub preview card
📈 Historial de estrellas
1 3101 309
2026-07-202026-08-31
📈 Sigue data-efficient-gans

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

[NeurIPS 2020] Aumento diferenciable para entrenamiento de GAN eficiente en datos

data-efficient-gans tiene 1.3k estrellas en GitHub. Se ha bifurcado 174 veces. data-efficient-gans está escrito principalmente en Python. Se desarrolla activamente desde 2020. data-efficient-gans está disponible bajo la licencia BSD-2-Clause. Sus temas principales son: data-efficient, gans, generative-adversarial-network, image-generation.

Frequently asked questions

¿Qué es data-efficient-gans?

[NeurIPS 2020] Aumento diferenciable para entrenamiento de GAN eficiente en datos

¿data-efficient-gans es de código abierto?

data-efficient-gans es un proyecto de código abierto. Se distribuye bajo la licencia BSD-2-Clause.

¿data-efficient-gans es gratis?

Sí. data-efficient-gans es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está data-efficient-gans?

data-efficient-gans está disponible bajo la licencia BSD-2-Clause.

¿En qué lenguaje está escrito data-efficient-gans?

data-efficient-gans está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — data-efficient-gans

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=mit-han-lab-data-efficient-gans)](https://olud.ai/project/mit-han-lab-data-efficient-gans.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
vision-aided-gan
Ensembling Off-the-shelf Models for GAN Training (CVPR 2022 Oral)
420 · computer-graphics
compartegansgenerative-adversarial-network
Text-to-Image-Synthesis
Implementación en Pytorch del artículo de Síntesis de Texto a Imagen Generativa Adversarial
411 · gans
compartegansimage-generation
ganspace
Descubriendo Controles GAN Interpretables [NeurIPS 2020]
1.8k · deep-learning
compartegenerative-adversarial-networkimage-generation
Few-Shot-Patch-Based-Training
La implementación oficial de nuestro artículo de SIGGRAPH 2020 sobre Estilización de Video Inte…
625 · deep-learning
compartegenerative-adversarial-networkimage-generation
BlendGAN
Implementación oficial en PyTorch de "BlendGAN: Mezcla Implícita de GAN para Generación de Rost…
498 · gan
compartegenerative-adversarial-networkimage-generation
Awesome-Text-to-Image
(ෆ`꒳´ෆ) Una encuesta sobre generación/síntesis de texto a imagen.
2.4k · awseome-list
compartegenerative-adversarial-networkimage-generation
gigagan-pytorch
Implementación de GigaGAN, nuevo GAN SOTA de Adobe. Culminación de casi una década de investiga…
1.9k · artificial-intelligence
compartegenerative-adversarial-network
lightweight-gan
Implementación de 'GAN ligero', propuesto en ICLR 2021, en Pytorch. Generaciones de imágenes de…
1.7k · artificial-intelligence
compartegenerative-adversarial-network
DF-GAN
[CVPR2022 oral] Una base simple y efectiva para la síntesis de texto a imagen
326 · generative-adversarial-network
compartegenerative-adversarial-network
Neural-Photo-Editor
Una interfaz simple para editar fotos naturales con redes neuronales generativas.
2.1k · computer-vision
compartegans

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