Home Progetti lightweight-gan
lightweight-gan

lightweight-gan

di lucidrains · GitHub

Implementazione di 'lightweight' GAN, proposta in ICLR 2021, in Pytorch. Generazioni di immagini ad alta risoluzione che possono essere addestrate in un giorno o due

Visualizza su GitHub
In parole semplici

Genera immagini ad alta risoluzione rapidamente utilizzando un modello generativo leggero in Python.

⭐ Stelle
🍴 Fork
🔥 Tendenze
📜 Licenza
Uso commerciale consentito
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
💻 Lingua
Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
lightweight-gan — GitHub preview card
📈 Storia delle stelle
1 6811 680
2026-07-202026-07-29
📈 Segui lightweight-gan

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Implementazione di 'lightweight' GAN, proposta in ICLR 2021, in Pytorch. Generazioni di immagini ad alta risoluzione che possono essere addestrate in un giorno o due

lightweight-gan ha 1.7k stelle su GitHub. È stato forkato 219 volte. lightweight-gan è scritto principalmente in Python. È in sviluppo attivo dal 2020. lightweight-gan è disponibile con licenza MIT. I suoi temi principali sono: artificial-intelligence, deep-learning, generative-adversarial-network.

Frequently asked questions

Che cos'è lightweight-gan?

Implementazione di 'lightweight' GAN, proposta in ICLR 2021, in Pytorch. Generazioni di immagini ad alta risoluzione che possono essere addestrate in un giorno o due

lightweight-gan è open source?

lightweight-gan è un progetto open source. È rilasciato con licenza MIT.

lightweight-gan è gratuito?

Sì. lightweight-gan è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è lightweight-gan?

lightweight-gan è disponibile con licenza MIT.

In quale linguaggio è scritto lightweight-gan?

lightweight-gan è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
OpenSourceAI badge — lightweight-gan

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=lucidrains-lightweight-gan)](https://opensourceai.tech/project/lucidrains-lightweight-gan.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
DF-GAN
[CVPR2022 orale] Una base semplice ed efficace per la sintesi testo-immagine
326 · generative-adversarial-network
condividegenerative-adversarial-network
gigagan-pytorch
Implementazione di GigaGAN, nuovo SOTA GAN di Adobe. Culminazione di quasi un decennio di ricer…
1.9k · artificial-intelligence
condividegenerative-adversarial-network
the-gan-zoo
Un elenco di tutti i GAN nominati!
14.7k · gan
condividegenerative-adversarial-network
videogan
Generazione di video con dinamiche di scena. NIPS 2016.
706 · computer-vision
condividegenerative-adversarial-network
stylegan2-pytorch
Implementazione funzionante più semplice di Stylegan2, rete generativa avversariale all'avangua…
3.8k · artificial-intelligence
condividegenerative-adversarial-network
img2img-turbo
Generazione immagine-a-immagine in un passo con Stable Diffusion turbo: sketch2image, day2night…
2.5k · computer-vision
condividegenerative-adversarial-network
text-to-image
Sintesi di testo in immagine utilizzando vettori di pensiero
2.2k · deep-learning
condividegenerative-adversarial-network
BlendGAN
Implementazione ufficiale in PyTorch di "BlendGAN: Miscelazione GAN Implicita per la Generazion…
498 · gan
condividegenerative-adversarial-network
generative-compression
Implementazione TensorFlow di Reti Neurali Generative Adversarial per la Compressione Immagine…
533 · computer-vision
condividegenerative-adversarial-network
TP-GAN
Implementazione ufficiale di TP-GAN in Tensorflow per l'articolo "Beyond Face Rotation: Global…
510 · computer-vision
condividegenerative-adversarial-network

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.