Home Progetti Few-Shot-Patch-Based-Training
Few-Shot-Patch-Based-Training

Few-Shot-Patch-Based-Training

di OndrejTexler · GitHub

L'implementazione ufficiale del nostro articolo SIGGRAPH 2020 Stylization Interattiva del Video Utilizzando l'Addestramento Basato su Patch Few-Shot

Visualizza su GitHub
In parole semplici

Genera stili video artistici utilizzando pochi esempi con questo strumento di addestramento per la trasformazione delle immagini.

⭐ Stelle
🍴 Fork
📜 Licenza
Licenza non specificata
📅 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 →
Few-Shot-Patch-Based-Training — GitHub preview card
📈 Storia delle stelle
626625
2026-07-202026-07-29
📈 Segui Few-Shot-Patch-Based-Training

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

L'implementazione ufficiale del nostro articolo SIGGRAPH 2020 Stylization Interattiva del Video Utilizzando l'Addestramento Basato su Patch Few-Shot

Few-Shot-Patch-Based-Training ha 625 stelle su GitHub. È stato forkato 107 volte. Few-Shot-Patch-Based-Training è scritto principalmente in C++. È in sviluppo attivo dal 2020. I suoi temi principali sono: deep-learning, gan, generative-adversarial-network, image-generation.

Frequently asked questions

Che cos'è Few-Shot-Patch-Based-Training?

L'implementazione ufficiale del nostro articolo SIGGRAPH 2020 Stylization Interattiva del Video Utilizzando l'Addestramento Basato su Patch Few-Shot

Few-Shot-Patch-Based-Training è open source?

Few-Shot-Patch-Based-Training è un progetto open source.

Few-Shot-Patch-Based-Training è gratuito?

Sì. Few-Shot-Patch-Based-Training è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

In quale linguaggio è scritto Few-Shot-Patch-Based-Training?

Few-Shot-Patch-Based-Training è scritto principalmente in C++.

🏅 Manutentore di questo progetto?
OpenSourceAI badge — Few-Shot-Patch-Based-Training

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=ondrejtexler-few-shot-patch-based-training)](https://opensourceai.tech/project/ondrejtexler-few-shot-patch-based-training.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
BlendGAN
Implementazione ufficiale in PyTorch di "BlendGAN: Miscelazione GAN Implicita per la Generazion…
498 · gan
condividestyle-transfergenerative-adversarial-network
HiDT
Repository ufficiale per l'articolo "Traduzione ad alta risoluzione diurna senza etichette di d…
651 · computational-photography
condivideimage-to-image-translationstyle-transfer
malnyun_faces
Modello generativo calmo per l'apprendimento
902 · image-generation
condivideimage-to-image-translationimage-generation
FreezeG
Generatore di congelamento per traduzione di immagini pseudo.
474 · image-generation
condivideimage-to-image-translationimage-generation
pix2pix
Traduzione immagine-a-immagine con reti avversarie condizionali
10.7k · computer-graphics
condivideimage-to-image-translationgenerative-adversarial-network
ganspace
Scoprire Controlli GAN Interpretabili [NeurIPS 2020]
1.8k · deep-learning
condividegenerative-adversarial-networkgan
pix2pixHD
Sintesi e manipolazione di immagini 2048x1024 con GAN condizionali
6.9k · computer-graphics
condivideimage-to-image-translationgenerative-adversarial-network
the-gan-zoo
Un elenco di tutti i GAN nominati!
14.7k · gan
condividegenerative-adversarial-networkgan
Deep-Exemplar-based-Video-Colorization
Il codice sorgente dell'articolo CVPR 2019 "Deep Exemplar-based Video Colorization".
372 · colorization
condividegenerative-adversarial-networkgan
PITI
PITI: Il Pretraining è Tutto Ciò di Cui Hai Bisogno per la Traduzione Immagine-a-Immagine
502 · computer-vision
condivideimage-to-image-translationimage-generation

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