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 este un framework de detecție a obiectelor și un pipeline de computer vision care oferă o interfață programatică pentru efectuarea analizei de imagini în timp real și identificarea obiectelor. Acesta funcționează ca un instrument pentru încărcarea ponderilor (weights), fine-tuning-ul modelelor și executarea inferenței atât pe imagini statice, cât și pe fluxuri video. Proiectul servește drept convertor care traduce configurațiile și ponderile Darknet în grafuri TensorFlow pentru a permite reantrenarea și deployment-ul. Include un exportator de modele care salvează grafurile antrenate în fișiere protobuf portabile pentru utilizare pe dispozitive mobile și native. Sistemul acoperă capabilități pentru antrenarea și fine-tuning-ul modelelor de detecție pe seturi de date personalizate, oferind puncte de control (checkpoints) pentru recuperarea antrenamentului. De asemenea, oferă instrumente pentru traducerea mapării ponderilor și procesarea datelor brute de imagine prin operații tensoriale pentru a produce bounding boxes și scoruri de încredere.

Clarity-upscaler este un instrument AI de upscaling și îmbunătățire a imaginilor care utilizează modele de deep learning pentru a crește rezoluția și a restaura detaliile vizuale. Acesta funcționează ca un motor de inferență pentru super-rezoluție, folosind rețele neuronale pentru a prezice pixelii lipsă și a sintetiza detalii de înaltă frecvență din surse de joasă rezoluție. Proiectul este livrat sub formă de API programabil, permițând integrarea procesării automate a imaginilor la rezoluție înaltă și a clarificării acestora în aplicații și fluxuri de lucru externe. Această interfață permite upscaling-ul programatic al imaginilor pentru a crea active de înaltă rezoluție. Sistemul oferă capabilități pentru îmbunătățirea automată a imaginilor, eliminând zgomotul și îmbunătățind claritatea pentru a produce versiuni mai clare ale imaginilor de calitate scăzută. Gestionează aceste sarcini printr-o arhitectură decuplată client-server care gestionează natura intensivă a inferenței de machine learning.

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 este un instrument AI de restaurare a fețelor și un upscaler de imagini bazat pe deep learning, conceput pentru a elimina neclaritatea și a reconstrui detaliile pierdute în fotografii faciale degradate. Acesta funcționează ca un îmbunătățitor de fotografii faciale și un procesor de imagini bazat pe rețele generative adversariale (GAN) care transformă pixelii de calitate scăzută în trăsături faciale de înaltă rezoluție. Sistemul utilizează un motor de inferență accelerat prin GPU pentru a rula modele de machine learning pentru restaurarea imaginilor în timp real. Această accelerare hardware suportă înmulțirile de matrice complexe și operațiunile bazate pe tensori necesare pentru a clarifica imaginile faciale și a îmbunătăți fidelitatea vizuală. Proiectul acoperă restaurarea foto prin AI și restaurarea arhivelor digitale, concentrându-se în mod specific pe îmbunătățirea imaginilor faciale. Utilizează un pipeline de procesare secvențială pentru a efectua upscaling-ul imaginilor prin deep learning, crescând rezoluția și claritatea imaginilor prin reconstrucția detaliilor lipsă.

Acest proiect este o suită de preprocesare ComfyUI ControlNet și un toolkit de analiză computer vision. Acesta funcționează ca un preprocesor de imagini stable diffusion care extrage indicii structurale din imagini pentru a ghida fluxurile de lucru de latent diffusion. Sistemul oferă modele specializate pentru estimarea posturii umane, inclusiv keypoints scheletice și mesh-uri faciale, precum și maparea scenelor 3D prin estimarea adâncimii și a normalelor suprafeței. Include, de asemenea, instrumente pentru controlul mișcării video AI folosind analiza fluxului optic. Suprafața mai largă de capabilități acoperă analiza structurală a imaginilor — cum ar fi line art, extragerea marginilor și segmentarea semantică — precum și izolarea luminanței și generarea de indicii de culoare și stil. Aceste procese sunt susținute de runtime-uri accelerate hardware și caching-ul model-checkpoint pentru a reduce latența de inferență.

Aceasta este o bibliotecă de arhitecturi de modele generative construite folosind framework-ul TensorFlow. Oferă implementări pentru producerea de date sintetice și imagini realiste, concentrându-se în mod specific pe Variational Autoencoders și diverse variante de Generative Adversarial Networks (GAN). Colecția include arhitecturi GAN specifice, cum ar fi WGAN-GP, LSGAN, InfoGAN și EBGAN. De asemenea, conține Variational Autoencoders concepute pentru a învăța reprezentări latente și a sintetiza noi mostre din distribuții învățate. Proiectul acoperă pipeline-uri de procesare a imaginilor pentru normalizarea și decuparea datelor, precum și un set de instrumente de straturi de rețele neuronale, inclusiv convoluții 2D și transformări liniare. Oferă capabilități pentru manipularea spațiului latent, injectarea vectorilor de condiționare și stabilizarea modelelor prin funcții de loss specifice.

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

Acest proiect este un framework PyTorch orientat spre cercetare, conceput pentru implementarea și antrenarea modelelor generative de difuzie video. Acesta oferă un toolkit modular care extinde tehnicile standard de difuzie bazate pe imagini în trei dimensiuni, permițând sinteza secvențelor video coerente prin procese iterative de denoising. Framework-ul se distinge prin utilizarea atenției spațio-temporale factorizate, care descompune datele video de înaltă dimensiune în straturi spațiale și temporale separate pentru a menține consistența mișcării în timp ce gestionează complexitatea computațională. Suportă antrenarea multi-modală prin procesarea simultană a imaginilor statice și a secvențelor video și încorporează ghidarea latentă condiționată de text pentru a direcționa procesul de generare conform unor descrieri specifice în limbaj natural. Biblioteca include pipeline-uri cuprinzătoare pentru gestionarea antrenării end-to-end a acestor modele, acoperind ingestia seturilor de date, optimizarea parametrilor și exportul periodic al mostrelor. Este structurată pentru a susține cercetarea în deep learning privind modelarea temporală și alinierea output-urilor generative cu prompt-urile semantice.