3 Repos
Awesome GitHub RepositoriesGenerative Priors
Uses pre-trained generative networks to provide high-quality structural priors for image restoration.
Distinct from Probabilistic Priors: Focuses on generative GAN-based priors for structure, unlike general probabilistic priors used in Bayesian ML.
Explore 3 awesome GitHub repositories matching artificial intelligence & ml · Generative Priors. Refine with filters or upvote what's useful.
Awesome Generative Priors GitHub Repositories
Finde die besten Repos mit KI.Wir suchen mit KI nach den am besten passenden Repositories.
- tencentarc/gfpgan
TencentARC/GFPGAN
37,469Auf GitHub ansehenGFPGAN is a generative face restoration model and Python-based image processing tool designed to restore low-resolution facial images. It utilizes generative adversarial networks to recover fine details and increase the clarity of degraded portraits. The system employs a generative facial prior to map degraded images to a high-quality manifold, enabling blind-face restoration without requiring knowledge of the specific degradation process. It utilizes a multi-stage workflow that includes face detection, alignment, and region-specific masking to separate facial areas from the background. Beyo
Leverages a pre-trained GAN as a learned facial prior to map degraded images to a high-quality manifold.
Pythondeep-learningface-restorationgan - dmitryulyanov/deep-image-prior
DmitryUlyanov/deep-image-prior
8,085Auf GitHub ansehenThis project is an unsupervised image restoration tool that uses a convolutional neural network as a structural prior to reconstruct images from noisy or incomplete data. It functions as a neural network image prior, utilizing the inherent biases of the network architecture to restore pixels without the need for a pre-trained dataset or external learning. The system performs zero-shot image restoration by treating the network architecture itself as a regularization term. It uses a randomly initialized encoder-decoder structure and iterative gradient descent to minimize pixel-wise loss, recove
Leverages the inherent bias of convolutional layers as a structural prior for image reconstruction.
Jupyter Notebook - xpixelgroup/diffbir
XPixelGroup/DiffBIR
4,087Auf GitHub ansehenDiffBIR ist ein auf Diffusion basierendes Framework zur Bildrestaurierung für die blinde Bildrekonstruktion. Es nutzt generative Diffusions-Priors, um hochwertige Bilder aus Quellen mit unbekannten oder komplexen Degradierungen wiederherzustellen, ohne dass explizite Degradierungsmodelle erforderlich sind. Das System enthält spezialisierte Modelle für die Gesichtsrestaurierung, die die Wiederherstellung von Gesichtszügen, Texturen und Hintergründen in beschädigten Porträts ermöglichen. Um hochauflösende Ausgaben auf Hardware mit begrenztem Speicher zu unterstützen, verwendet es einen Kachel-Upscaler, der Bilder während des Samplings in kleinere Patches unterteilt. Das Framework umfasst eine mehrstufige Restaurierungspipeline und generatives Bild-Upscaling. Es bietet Funktionen für das Training von Restaurierungsmodellen und die Anwendung spezialisierter Gewichte zur Optimierung der Verbesserung für spezifische Szenen.
Utilizes pretrained generative networks as high-quality structural priors to guide image restoration.
Python
