high-fidelity-generative-compression
Implementazione Pytorch di Compressione Immagine Generativa ad Alta Fedeltà + Routine per la compressione neurale delle immagini
Comprimi le immagini in modo efficiente mantenendo la qualità, utilizzando un modello che apprende dai dati per migliorare i risultati.
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoiImplementazione Pytorch di Compressione Immagine Generativa ad Alta Fedeltà + Routine per la compressione neurale delle immagini
high-fidelity-generative-compression ha 475 stelle su GitHub. È stato forkato 81 volte. high-fidelity-generative-compression è scritto principalmente in Python. È in sviluppo attivo dal 2020. high-fidelity-generative-compression è disponibile con licenza Apache-2.0. I suoi temi principali sono: computer-vision, entropy-coding, generative-adversarial-networks, image-compression.
Che cos'è high-fidelity-generative-compression?
Implementazione Pytorch di Compressione Immagine Generativa ad Alta Fedeltà + Routine per la compressione neurale delle immagini
high-fidelity-generative-compression è open source?
high-fidelity-generative-compression è un progetto open source. È rilasciato con licenza Apache-2.0.
high-fidelity-generative-compression è gratuito?
Sì. high-fidelity-generative-compression è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è high-fidelity-generative-compression?
high-fidelity-generative-compression è disponibile con licenza Apache-2.0.
In quale linguaggio è scritto high-fidelity-generative-compression?
high-fidelity-generative-compression è scritto principalmente in Python.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://olud.ai/project/justin-tan-high-fidelity-generative-compression.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.