Awesome GitHub RepositoriesAdaptive Instance Normalization

StyleGAN is a TensorFlow-based generative adversarial network framework designed for the synthesis of high-resolution synthetic imagery. It utilizes a style-based generator architecture to create realistic visual assets from latent vectors, focusing on the production of high-fidelity images. The system incorporates style mixing and stochastic noise injection to control visual attributes and fine-grained details. It uses adaptive instance normalization and progressive resolution upsampling to manage image quality and variety across different resolutions. The framework covers the full lifecycl

StyleGAN2 is a TensorFlow generative adversarial network and image synthesis model designed to produce high-resolution synthetic visual content. It functions as a deep learning architecture that learns patterns from image datasets to synthesize new images. The project includes a latent space projection tool for mapping existing images to latent vectors to analyze their representation within a generative model. It also provides an image quality evaluation framework to measure the visual fidelity and diversity of synthetic outputs. The system covers the full generative pipeline, including imag

FastPhotoStyle هو أداة ذكاء اصطناعي لتنميط الصور وإطار عمل لنقل الأنماط باستخدام التعلم العميق. يعمل كمحول صور قائم على الميزات يطبق الخصائص الفنية البصرية لصورة مرجعية على صورة مستهدفة باستخدام الشبكات العصبية العميقة. ينفذ المشروع تنميط الصور في الوقت الفعلي باستخدام شبكة تغذية أمامية (feed-forward network). يتيح ذلك للنظام تنفيذ التحويلات في تمريرة واحدة بدلاً من استخدام التحسين التكراري. يغطي إطار العمل تحرير الصور بالذكاء الاصطناعي والمؤثرات البصرية للتعلم العميق، مع التركيز بشكل خاص على تحويل أنسجة وألوان الصور لدمج المحتوى الفوتوغرافي مع الأنماط الفنية.

SPADE is a semantic image synthesis framework and generative adversarial network designed to transform semantic label maps into photorealistic images. It uses a spatially-adaptive normalization model to modulate activations based on semantic maps, ensuring that spatial layouts and details are preserved throughout the synthesis process. The project enables the generation of diverse image variations from a single semantic layout by integrating variational autoencoders and latent vector style control. These mechanisms allow for the adjustment of visual appearances and textures while keeping the

UGATIT هو شبكة خصوم توليدية غير خاضعة للإشراف ونموذج ترجمة من صورة إلى صورة تم تنفيذه في TensorFlow. يعمل كالتطبيق البحثي الرسمي لورقة بحثية في مؤتمر ICLR 2020، ويوفر إطار عمل لتحويل الصور بين أنماط بصرية مختلفة دون الحاجة إلى أمثلة تدريب مقترنة. يستخدم النظام شبكة انتباه توليدية غير خاضعة للإشراف وخرائط انتباه لتشويه الأشكال الهندسية وتعديل القوام أثناء عملية الترجمة. يوظف إطار عمل متسق دورياً لضمان جودة الترجمة من خلال مطالبة الصور بالعودة إلى حالتها الأصلية بعد تحولات النطاق ثنائية الاتجاه. تغطي قاعدة الكود التدريب الخصومي التوليدي والتحويل الهندسي للصور، باستخدام بنيات تمييز متعددة المقاييس وتطبيع مثيل الطبقة التكيفي لتحسين جودة التوليف.

SimSwap هو إطار عمل للتعلم العميق لتبديل الوجوه ومعالج وسائط للرؤية الحاسوبية مبني باستخدام PyTorch. يعمل كأداة لتوليف الصور مصممة لاستبدال هوية الشخص في الصور ومقاطع الفيديو بوجه مستهدف باستخدام نموذج مدرب واحد. يعمل النظام كأداة لاستبدال هوية الفيديو التي تبدل الهويات عبر الإطارات مع الحفاظ على التعبيرات والإضاءة الأصلية للوسائط المصدر. يتيح التلاعب بالهوية الرقمية وإنتاج وسائط اصطناعية من خلال رسم خرائط ميزات الوجه الآلي. يدعم إطار العمل كلاً من تطبيق النماذج المدربة لتبديل الوجوه في الوسائط والقدرة على تدريب نماذج تبديل وجوه مخصصة باستخدام مجموعات بيانات صور محددة.