Awesome GitHub RepositoriesImage Transformation

This 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

PerceptualSimilarity est un framework de deep learning conçu pour quantifier et évaluer la distance perceptuelle entre les images. Il fournit un système pour mesurer à quel point deux images ou patchs d'image semblent similaires à la vision humaine en utilisant des représentations de caractéristiques profondes au lieu de différences au niveau des pixels. Le projet implémente une métrique de distance différentiable qui fonctionne comme une fonction de perte, permettant aux pixels de l'image d'être optimisés via rétropropagation pour atteindre une apparence visuelle cible. Il inclut une couche linéaire entraînable qui peut être appliquée à des caractéristiques profondes gelées pour apprendre des métriques de distance pondérées alignées sur la perception humaine. Le framework couvre de larges capacités en évaluation de la qualité d'image, entraînement de métriques de similarité et benchmarking de vision par ordinateur. La précision du modèle est évaluée en comparant les scores de distance prédits avec des jeux de données de jugement humain utilisant des frameworks tels que les tests de choix forcé à deux alternatives.

Automatic colorization using deep neural networks. "Colorful Image Colorization." In ECCV, 2016.

Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising (TIP, 2017)

Arbitrary Style Transfer in Real-time with Adaptive Instance Normalization

PyTorch code for our ECCV 2018 paper "Image Super-Resolution Using Very Deep Residual Channel Attention Networks"

Torch code for our CVPR 2018 paper "Residual Dense Network for Image Super-Resolution" (Spotlight)