Awesome GitHub RepositoriesTensor Processing Pipelines

This project is a collection of pre-trained machine learning models and conversion pipelines designed for running inference directly in the browser using TensorFlow.js. It provides a library of ready-to-use models for computer vision, audio classification, and natural language processing tasks. The suite includes specialized tools for transforming Python-based Keras models into JSON formats compatible with web environments. It enables the deployment of these models by fetching architectures and weight shards via HTTP for client-side execution. The project covers a broad range of capabilities

Final2x is an AI image super-resolution tool and neural network inference engine designed to increase image resolution and reconstruct missing details while reducing noise. It functions as a cross-platform image upscaler that executes consistent super-resolution logic across different operating systems. The project serves as a custom model inference engine and upscaling interface, allowing for the import and application of user-defined super-resolution weights and architectures to tailor the visual output of enlarged images. The system utilizes hardware-accelerated processing to offload comp

Darkflow هو إطار عمل لاكتشاف الكائنات وخط أنابيب للرؤية الحاسوبية يوفر واجهة برمجية لإجراء تحليل الصور وتحديد الكائنات في الوقت الفعلي. يعمل كأداة لتحميل الأوزان، وضبط النماذج بدقة، وتنفيذ الاستدلال (inference) على كل من الصور الثابتة وموجزات الفيديو. يعمل المشروع كمحول يترجم إعدادات وأوزان Darknet إلى رسوم بيانية (graphs) في TensorFlow لتمكين إعادة التدريب والنشر. يتضمن مصدراً للنماذج يحفظ الرسوم البيانية المدربة في ملفات protobuf محمولة للاستخدام على الأجهزة المحمولة والأجهزة الأصلية. يغطي النظام قدرات تدريب وضبط نماذج الاكتشاف بدقة على مجموعات بيانات مخصصة، مع ميزات نقاط فحص التقدم لاستعادة التدريب. كما يوفر أدوات لترجمة تعيين الأوزان ومعالجة بيانات الصور الخام من خلال عمليات الموتر (tensor) لإنتاج مربعات الإحاطة ودرجات الثقة.

Clarity-upscaler هو أداة ذكاء اصطناعي لتحسين دقة الصور (Upscaler) تستخدم نماذج التعلم العميق لزيادة دقة الصور واستعادة التفاصيل البصرية. يعمل كمحرك استنتاج فائق الدقة (Super-resolution) يستخدم الشبكات العصبية للتنبؤ بالبكسلات المفقودة وتوليد تفاصيل عالية التردد من مصادر منخفضة الدقة. يتم تقديم المشروع كواجهة برمجة تطبيقات (API) قابلة للبرمجة، مما يسمح بدمج معالجة الصور عالية الدقة المؤتمتة وتحسين حدتها في التطبيقات وسير العمل الخارجية. تتيح هذه الواجهة رفع دقة الصور برمجياً لإنشاء أصول عالية الجودة. يوفر النظام إمكانيات لتحسين الصور تلقائياً، وإزالة الضوضاء، وتعزيز الوضوح لإنتاج نسخ أكثر حدة من الصور منخفضة الجودة. يعالج النظام هذه المهام من خلال بنية مفصولة بين العميل والخادم (Client-Server) لإدارة طبيعة استنتاج التعلم الآلي المكثفة حوسبياً.

This project is an AI upscaling framework and deep learning image restorer designed to estimate original source pixels from low-resolution inputs. It functions as a super-resolution reconstruction system that transforms pixelated images into high-resolution versions by restoring high-frequency details and sharpening edges. The system utilizes a convolutional neural network pipeline to analyze pixel data and perform digital image restoration. It employs pixel-shuffle upsampling to rearrange channel dimensions into spatial dimensions, which increases resolution while reducing checkerboard artif

RestorePhotos هي أداة ذكاء اصطناعي لاستعادة الوجوه ومحسن صور بالتعلم العميق مصمم لإزالة الضبابية وإعادة بناء التفاصيل المفقودة في صور الوجوه المتدهورة. تعمل كمحسن لصور الوجوه ومعالج صور بشبكة خصومية توليدية (GAN) يحول البكسلات منخفضة الجودة إلى ميزات وجه عالية الدقة. يستخدم النظام محرك استنتاج مسرع بواسطة GPU لتشغيل نماذج التعلم الآلي لاستعادة الصور في الوقت الفعلي. يدعم هذا التسريع العتادي عمليات ضرب المصفوفات الثقيلة والعمليات القائمة على الموترات المطلوبة لشحذ صور الوجوه وتحسين الدقة البصرية. يغطي المشروع استعادة الصور بالذكاء الاصطناعي واستعادة الأرشيف الرقمي، مع التركيز بشكل خاص على تحسين صور الوجوه. ويستخدم خط أنابيب معالجة تسلسلياً لإجراء تحسين دقة الصور بالتعلم العميق، مما يزيد من دقة ووضوح الصور عن طريق إعادة بناء التفاصيل المفقودة.

This project is a ComfyUI ControlNet preprocessor suite and computer vision analysis toolkit. It functions as a stable diffusion image preprocessor that extracts structural hints from images to guide latent diffusion workflows. The system provides specialized models for human pose estimation, including skeletal keypoints and facial meshes, and 3D scene mapping through depth and surface normal estimation. It also includes tools for AI video motion control using optical flow analysis. The broader capability surface covers image structural analysis—such as line art, edge extraction, and semanti

هذه مكتبة لمعماريات النماذج التوليدية المبنية باستخدام إطار عمل TensorFlow. توفر تطبيقات لإنتاج بيانات اصطناعية وصور واقعية، مع التركيز بشكل خاص على أجهزة التشفير التلقائي المتغيرة (Variational Autoencoders) ومتغيرات مختلفة من الشبكات التنافسية التوليدية (GANs). تتضمن المجموعة معماريات GAN محددة مثل WGAN-GP وLSGAN وInfoGAN وEBGAN. كما تتميز بأجهزة تشفير تلقائي متغيرة مصممة لتعلم التمثيلات الكامنة وتوليف عينات جديدة من التوزيعات المتعلمة. يغطي المشروع خطوط معالجة الصور لتطبيع وقص البيانات، بالإضافة إلى مجموعة أدوات من طبقات الشبكات العصبية بما في ذلك التلافيف ثنائية الأبعاد والتحويلات الخطية. يوفر قدرات لمعالجة الفضاء الكامن، وحقن ناقل التكييف، واستقرار النموذج من خلال دوال خسارة محددة.

pytorch-fid is a PyTorch-based evaluator and image distribution analysis library used to calculate the Fréchet Inception Distance. It functions as a benchmarking tool that maps image pixels to high-dimensional feature vectors using a pre-trained convolutional neural network to measure the mathematical divergence between real and synthetic datasets. The library quantifies the quality and diversity of generative models by representing image feature sets as mean and covariance matrices. It allows for the extraction of latent representations from specific neural network layers, with configurable

هذا المشروع عبارة عن إطار عمل PyTorch موجه نحو البحث مصمم لتنفيذ وتدريب نماذج انتشار الفيديو التوليدية. يوفر مجموعة أدوات معيارية توسع تقنيات الانتشار القائمة على الصور القياسية إلى ثلاثة أبعاد، مما يتيح توليف تسلسلات فيديو متماسكة من خلال عمليات إزالة الضجيج التكرارية. يتميز إطار العمل باستخدام الانتباه الزماني المكاني المفكك، والذي يحلل بيانات الفيديو عالية الأبعاد إلى طبقات مكانية وزمانية منفصلة للحفاظ على اتساق الحركة مع إدارة التعقيد الحسابي. يدعم المشروع التدريب متعدد الوسائط عن طريق معالجة الصور الثابتة وتسلسلات الفيديو في وقت واحد، ويدمج التوجيه الكامن المشروط بالنص لتوجيه عملية التوليد وفقاً لأوصاف لغوية طبيعية محددة. تتضمن المكتبة خطوط أنابيب شاملة لإدارة التدريب الشامل لهذه النماذج، وتغطي استيعاب مجموعات البيانات، وتحسين المعلمات، وتصدير العينات الدوري. تم هيكلة المكتبة لدعم أبحاث التعلم العميق في النمذجة الزمانية ومواءمة المخرجات التوليدية مع المطالبات الدلالية.