Accueil Projets generative-compression
generative-compression
Python

generative-compression

Implémentation TensorFlow de réseaux antagonistes génératifs pour la compression d'image extrême apprise

par Justin-Tan · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
Langue
computer-visiongangenerative-adversarial-networkMITPython
Voir sur GitHub
En termes simples

Compressez des images en utilisant des techniques avancées des Réseaux Antagonistes Génératifs pour économiser de l'espace de stockage tout en maintenant la qualité.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
generative-compression — GitHub preview card
📈 Historique des étoiles
535534
2026-07-202026-08-31
📈 Suivez generative-compression

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Implémentation TensorFlow de réseaux antagonistes génératifs pour la compression d'image extrême apprise

generative-compression compte 534 étoiles sur GitHub. Il a été forké 105 fois. generative-compression est écrit principalement en Python. Il est développé activement depuis 2018. generative-compression est disponible sous licence MIT. Ses principaux thèmes sont : computer-vision, gan, generative-adversarial-network, image-compression.

Frequently asked questions

Qu'est-ce que generative-compression ?

Implémentation TensorFlow de réseaux antagonistes génératifs pour la compression d'image extrême apprise

generative-compression est-il open source ?

generative-compression est un projet open source. Il est distribué sous licence MIT.

generative-compression est-il gratuit ?

Oui. generative-compression est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est generative-compression ?

generative-compression est disponible sous licence MIT.

Dans quel langage generative-compression est-il écrit ?

generative-compression est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — generative-compression

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=justin-tan-generative-compression)](https://olud.ai/project/justin-tan-generative-compression.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
the-gan-zoo
Une liste de tous les GAN nommés !
14.7k · gan
partagegenerative-adversarial-networkgan
HyperGAN
Cadre GAN composable avec API et interface utilisateur
1.2k · artificial-intelligence
partagegenerative-adversarial-networkgan
ganspace
Découverte des contrôles GAN interprétables [NeurIPS 2020]
1.8k · deep-learning
partagegenerative-adversarial-networkgan
Few-Shot-Patch-Based-Training
L'implémentation officielle de notre article SIGGRAPH 2020 sur la stylisation vidéo interactive…
625 · deep-learning
partagegenerative-adversarial-networkgan
makegirlsmoe_web
Créez des personnages d'anime avec MakeGirlsMoe
3.4k · anime
partagegenerative-adversarial-networkgan
musegan
Une IA pour la génération musicale
2k · gan
partagegenerative-adversarial-networkgan
gandissect
Outils basés sur Pytorch pour visualiser et comprendre les neurones d'un GAN. https://gandisse…
1.8k · deep-learning
partagegenerative-adversarial-networkgan
exposure
Apprentissage du traitement d'images à résolution infinie avec GAN et RL à partir d'ensembles d…
781 · computational-photography
partagegenerative-adversarial-networkgan
HiDT
Dépôt officiel pour l'article "Traduction de jour haute résolution sans étiquettes de domaine"…
651 · computational-photography
partagegenerative-adversarial-networkgan
mmgeneration
MMGeneration est une boîte à outils puissante pour les modèles génératifs, basée sur PyTorch et…
2k · diffusion-models
partagegenerative-adversarial-networkgan

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.