generative-adversarial-network

本站收录 74 个带「generative-adversarial-network」标签的 AI 开源项目（按 GitHub 星标从高到低，此处展示前 50 个）

pytorch-CycleGAN-and-pix2pixPyTorch 实现的经典图像到图像转换框架，包含 pix2pix 与 CycleGAN 两大模型，支持风格迁移、图像修复、超分辨率等任务，是学习与复现 GAN★ 25,254CycleGAN经典无监督图像风格迁移框架，无需成对数据即可实现照片转绘画、马变斑马等趣味效果，广泛应用于风格迁移与图像翻译领域，是计算机视觉领域教科书级的开源项目。★ 12,876pix2pix基于条件对抗网络的开创性图像到图像翻译模型，只需成对数据即可实现线稿上色、语义图转照片、街景转换等任务，是 pix2pix 家族的奠基之作，对后续研究影响深远。★ 10,662mmagicOpenMMLab 推出的多模态生成智能创作工具箱，提供开箱即用的 AIGC 能力、易用 API 与丰富模型库，涵盖文生图、图像/视频修复与增强等任务，是搭建生★ 7,470SDVSDV（Synthetic Data Vault）是一个用于表格数据合成生成的Python库，旨在解决真实数据隐私保护、数据稀缺和测试数据获取难的问题。它提供了★ 3,567contrastive-unpaired-translationCUT（Contrastive Unpaired Translation）是一个基于对比学习的无配对图像到图像翻译框架，由Taesung Park等人于ECCV★ 2,556img2img-turboimg2img-turbo 是一个基于 Stable Diffusion Turbo 的单步图像到图像转换工具，旨在解决传统图像编辑需要多步迭代、耗时较长的问题★ 2,483Awesome-Text-to-ImageAwesome-Text-to-Image 是一个聚焦文本到图像生成/合成领域的精选资源列表，旨在系统梳理该方向的研究进展、关键技术和开源工具。它解决了研究人员★ 2,447Anime2SketchAnime2Sketch 是一个专门从动漫/插画图像中提取线稿的开源工具。它基于生成对抗网络（GAN）和深度学习技术，能够自动将彩色动漫图片转换为干净、清晰的线★ 2,130museganMuseGAN 是一个基于生成对抗网络的音乐生成模型，可生成多轨、多乐器协同的复调音乐，支持钢琴曲与完整多轨作品的创作。为 AI 音乐生成研究提供了经典的基线方★ 2,045ganspaceganspace 是一个用于发现 GAN 模型中可解释控制方向的开源工具，源自 NeurIPS 2020 论文。它解决了生成对抗网络（GAN）内部潜在空间难以理★ 1,795fg-data-syntheticfg-data-synthetic 是一个专注于表格数据和时间序列数据合成的开源工具库。它利用生成对抗网络（GAN）等深度学习技术，解决真实数据获取成本高、隐私★ 1,659CTGANCTGAN 是一个基于条件生成对抗网络（Conditional GAN）的合成表格数据生成工具。它解决真实表格数据隐私保护、数据不平衡、样本不足等问题，通过深度★ 1,571Generative_Deep_Learning_2nd_Edition这是 O'Reilly 出版的《Generative Deep Learning》第二版的官方代码仓库，旨在通过 Jupyter Notebook 教程，帮助读★ 1,561PyTorch-CycleGAN这是一个基于PyTorch的CycleGAN清洁可读实现，用于无配对图像到图像的转换。它解决了传统GAN需要成对训练数据的问题，通过循环一致性损失实现两个域之间★ 1,321data-efficient-gansdata-efficient-gans 是 NeurIPS 2020 论文《Differentiable Augmentation for Data-Effic★ 1,310clean-fidclean-fid 是一个用于计算 FID（Frechet Inception Distance）分数的 PyTorch 工具库，由 CVPR 2022 论文提★ 1,170CartoonGan-tensorflowCartoonGan-tensorflow 是 CVPR 2018 论文 CartoonGAN 的 TensorFlow 2.0 Alpha 实现，用于将真实照★ 938anycost-ganAnycost GANs 是 CVPR 2021 收录的交互式图像合成与编辑框架，由 MIT 等机构提出。它解决的是 GAN 模型在推理时计算开销大、难以在普通★ 779focal-frequency-lossFocal Frequency Loss 是一个基于频域分析的图像重建与合成损失函数库，来自 ICCV 2021 论文。它解决的是生成模型（如 GAN、自编码器★ 715HiDTHiDT 是 CVPR 2020 Oral 论文《High-Resolution Daytime Translation Without Domain Labe★ 652Few-Shot-Patch-Based-Training这是一个基于少量样本补丁训练的交互式视频风格化工具，源自SIGGRAPH 2020论文。它解决的是传统风格迁移需要大量训练数据且难以保持视频时序一致性的问题。核★ 627T2FT2F是一个基于深度学习的文本到人脸生成项目，旨在根据自然语言描述直接生成对应的人脸图像。它利用生成对抗网络（GAN）和渐进式增长技术，将文本编码与图像生成结合★ 545StyleSwinStyleSwin 是一个基于 Transformer 的高分辨率图像生成模型，发表于 CVPR 2022。它针对传统 GAN 在生成高分辨率图像时依赖卷积结构★ 543BlendGANBlendGAN 是一个基于 PyTorch 的官方实现，来自 NeurIPS 2021 论文。它解决的是人脸风格化生成中风格控制不灵活的问题，核心创新在于提出★ 497SelectionGANSelectionGAN是一个用于跨视角图像翻译的生成对抗网络模型，发表于CVPR 2019（Oral）。它解决的是给定一个视角的场景图像，生成另一个视角（如航★ 467ArtGANArtGAN 是一个基于生成对抗网络（GAN）的深度学习项目，专注于条件图像合成，特别是艺术画作的生成。它通过改进 GAN 的结构和训练策略，利用 WikiAr★ 432vision-aided-ganvision-aided-gan 是一个 CVPR 2022 Oral 论文的开源实现，核心思想是利用现成的预训练模型（如 CLIP、DINO 等）来辅助 GA★ 423unetganUNetGAN 是 CVPR 2020 论文《A U-Net Based Discriminator for Generative Adversarial Ne★ 402Deep-Exemplar-based-Video-Colorization这是一个基于深度学习的视频上色工具，来自CVPR 2019论文。它利用参考图像（示例图）为灰度视频自动添加自然色彩，解决传统视频上色中颜色不一致、需要人工干预的★ 370CoCosNet-v2CoCosNet-v2 是一个基于深度学习的图像翻译项目，专注于全分辨率对应关系学习。它解决的是图像到图像翻译中，当输入图像与参考图像存在大形变或视角差异时，如★ 346Seq2seq-Chatbot-for-Keras这是一个基于Keras实现的seq2seq聊天机器人项目，采用生成式对话模型，通过编码器-解码器架构学习对话模式。项目解决了传统检索式聊天机器人回复僵硬、缺乏上★ 330DF-GANDF-GAN是一个用于文本到图像合成的生成对抗网络模型，发表于CVPR 2022 oral。它针对现有文本生成图像方法中生成器结构复杂、训练不稳定且依赖额外辅助★ 326SDGymSDGym 是一个用于基准测试合成数据生成方法的开源工具，由 SDV 团队开发。它解决了如何公平、系统地评估不同合成数据生成算法性能的问题。SDGym 提供了一★ 311video_prediction这是一个基于生成对抗网络（GAN）和变分自编码器（VAE）的视频预测开源项目，核心是解决视频帧序列的未来预测问题。它采用随机对抗训练方式，能够生成多种可能的未来★ 304TSITTSIT是ECCV 2020 Spotlight论文的官方实现，提出了一种简单且通用的图像到图像翻译框架。它通过特征变换（feature transformat★ 288fineganFineGAN 是一个基于生成对抗网络（GAN）的细粒度图像生成与发现工具，由 IBM 研究院开发。它通过无监督的分层解耦学习，将图像生成过程分解为背景、父类别★ 281DeceiveDDeceiveD 是 NeurIPS 2021 收录的少样本 GAN 训练方法，核心解决真实数据不足时 GAN 训练不稳定、易过拟合的问题。它提出自适应伪增强（★ 234Conditional-GAN这是一个基于TensorFlow的条件生成对抗网络（Conditional GAN）实现，专注于条件卷积对抗网络的图像生成任务。项目解决了传统GAN无法控制生成★ 218arbitrary-text-to-image-papers这是一个持续更新的论文列表，系统梳理了任意文本到图像生成领域的学术资源。项目按技术路线分类整理，涵盖基于GAN、场景图、对话交互等不同范式的论文，并为每篇论文附★ 210DCLGANDCLGAN 是一个基于 PyTorch 的无监督图像到图像翻译框架，源自 CVPRW 2021 论文《Dual Contrastive Learning fo★ 179GestureGANGestureGAN 是一个基于生成对抗网络（GAN）的手势到手势转换工具，发表于 ACM MM 2018（Oral）。它解决的是在自然场景（非受控环境）中，如★ 176content-debiased-fvdcontent-debiased-fvd 是 CVPR 2024 论文《On the Content Bias in Fréchet Video Distanc★ 148MLDS2018SPRINGMLDS2018SPRING 是台湾大学李宏毅教授2018年春季《机器学习及其深层次与结构化》课程的公开资料库，包含课程讲义、作业代码和项目示例。项目主要面向深★ 146LGGANLGGAN 是一个基于生成对抗网络的语义引导场景生成模型，发表于 CVPR 2020。它解决的是从语义分割图（或跨视角条件）生成逼真场景图像的问题，核心创新在于★ 144awesome-artificial-intelligence-research这是一个面向 AI 研究者的精选资源清单（Awesome List），系统整理了人工智能各子领域的前沿论文、工具、数据集与学习资料，覆盖推荐系统、计算机视觉、机★ 133DeepEchoDeepEcho 是一个专注于混合类型、多变量时间序列数据的合成数据生成库。它解决的是在数据隐私保护、数据增强和模型开发中，真实时间序列数据难以获取或使用受限的★ 125Avocodo-pytorchAvocodo-pytorch 是 Avocodo 声码器的 PyTorch 实现。Avocodo 是一种基于生成对抗网络（GAN）的声码器，旨在从声学特征（如★ 122pytti-notebookpytti-notebook 是一个基于 Google Colab 的图像生成与风格迁移实验笔记本，主要利用 GAN（生成对抗网络）技术实现图像动画化和风格转换★ 112deep-landscapeDeepLandscape 是 ECCV2020 论文的官方实现，专注于风景视频的对抗性建模。它解决的核心问题是：如何从单一静态风景图像生成具有自然动态效果（如★ 111

相关标签

image-generation607gan117deep-learning773pytorch576computer-vision366gans32image-manipulation38machine-learning867computer-graphics27image-synthesis23text-to-image272generative-art292