项目类型

项目类别

最新

热搜企业:

ganimation Python
Fork 0 关注 0

本项目能够对单张图像的人脸进行模拟,以修改其表情。本模型认为表情的变化不是离散的,而是一个连续的过程,所以一个表情并不是一个离散的onehot编码的形式,而是一个连续的向量。本模型有两个生成器,一个判别器组成的。第一个生成器从原始输入图像生成目标表情的输出图像,第二个生成器从第一个生成器的输出图像,就是生成的目标表情的图像,来生成原始的输入图像。

原始仓库地址:https://github.com/albertpumarola/ganimation.git

浏览量:36 下载量:0 项目类别: 三维重构
9 months前更新
Fork 0 关注 0

本项目是用于人脸合成的 StarGAN 网络。本项目是为了解决多领域间的转换问题的,之前的CycleGAN等只能解决两个领域之间的转换,那么对于含有多个领域转换而言,需要学习多个模型,但StarGAN仅需要学习一个,鉴别器不仅仅需要学习鉴别样本是否真实,还需要对真实图片判断来自哪个域。

原始仓库地址:https://github.com/taki0112/stargan-tensorflow.git

浏览量:33 下载量:0 项目类别: 三维重构
9 months前更新
Fork 0 关注 0

本项目是使用与图像风格转换任务的 StyleGAN 网络。本项目的优点有:1.借鉴风格迁移,提出基于样式的生成器(style-based generator)。实现了无监督地分离高级属性(人脸姿势、身份)和随机变化(例如雀斑,头发),实现对生成图像中特定尺度的属性的控制;2.实现了对隐空间(latent space)较好的解耦。生成器将输入的隐码z嵌入一个中间的隐空间。因为输入的隐空间Z必须服从训练数据的概率密度,这在一定程度上导致了不可避免的纠缠,而嵌入的中间的隐空间W不受这个限制,因此可以被解耦。

原始仓库地址:https://github.com/taki0112/stylegan-tensorflow.git

浏览量:35 下载量:0 项目类别: 三维重构
9 months前更新
Fork 0 关注 0

本项目是用于图像合成任务的 GauGAN 网络。现有的基于GAN的生成模型中使用的归一化层通常会“擦除”输入的语义标签图的语义信息,使得生成的图像上会有大片的灰暗结果或错误的图案,影响生成图像的真实可看性。为了解决这个问题,本模型使用了一种新的空间自适应归一化层(Spatially-Adaptive Normalization Layer),可以简单且有效地输出如同真实照片的合成图像,而该算法的输入仅是一张语义分割的mask图。

原始仓库地址:https://github.com/taki0112/spade-tensorflow.git

浏览量:29 下载量:0 项目类别: 三维重构
9 months前更新
pggan-pytorch Python
Fork 0 关注 0

本项目是基于 PyTorch 实现的 PGGAN 网络。PG-GAN可以生成1024 pixels的样本,很明显,使用单纯的 GAN,建立从 latent code 到 1024x1024 pixels样本的映射网络G,肯定是很难工作的。过程化的训练方式也就是不采用一步到位,而是先试着生成低分辨率或者低质量的图像,然后不断地增加分辨率或者细节。

原始仓库地址:https://github.com/nashory/pggan-pytorch.git

浏览量:43 下载量:0 项目类别: 三维重构
9 months前更新
openmvg C++
Fork 0 关注 0

本项目是一个多视角集合库,基于3D计算机视觉和结构。通过开发C++框架,扩展了从图像/摄影测量到3D重建功能的认识,且本项目易于阅读,学习,修改和使用,可在Android,iOS,Linux,macOS和Windows上运行。

原始仓库地址:https://github.com/openmvg/openmvg.git

浏览量:231 下载量:0 项目类别: 三维重构
9 months前更新
dancenet Python
Fork 0 关注 0

本项目基于 Keras 生成动态舞蹈。该网络的主要思想即使用 VAE 生成单张舞蹈图片,并根据 LSTM 将这些舞蹈图片组合成一系列完整的动作,最后联合训练就能生成非常逼真的舞蹈动作。

原始仓库地址:https://github.com/jsn5/dancenet.git

浏览量:41 下载量:0 项目类别: 三维重构
9 months前更新
Fork 0 关注 0

本项目基于 PyTorch 提出了一种新的 GAN-ProGAN(Progressive GAN)。ProGAN 最大的贡献在于提出了一种新的训练方式,即,我们不要一上来就学那么难的高清图像生成,这样会让 Generator 直接崩掉,而是从低清开始学起,学好了再提升分辨率学更高分辨率下的图片生成。从4x4到8x8一直提升到1024x1024,循序渐进,即能有效且稳定地训练出一个高质量的高分辨率生成器模型。

原始仓库地址:https://github.com/akanimax/pro_gan_pytorch.git

浏览量:46 下载量:0 项目类别: 三维重构
9 months前更新
bmsg-gan Python
Fork 0 关注 0

本项目包含一种新的GAN-多尺度梯度生成对抗网络(MSG-GAN),这是一种解决GAN训练不稳定的有效技术,该技术允许从鉴别器到生成器的梯度在多个尺度上流动。该技术为生成同步的多尺度图像提供了一种稳定的方法。MSG-GAN的框架非常直观,该框架在鉴别器计算中使用了串联运算。通过对CIFAR10和Oxford102花卉数据集进行实验,经验地验证了MSG-GAN方法的效果,并将其与执行多尺度图像合成的其他相关技术进行了比较。

原始仓库地址:https://github.com/akanimax/bmsg-gan.git

浏览量:55 下载量:0 项目类别: 三维重构
9 months前更新
Fork 0 关注 0

本项目是使用GAN进行图像修复,用于通过图像修复以无监督的方式学习深度特征表示,上下文编码器与重建和对抗性损失一起训练。主要方法为:1.Encoder 是一个全卷积网络,它将输入图像从227 * 227 映射到6 * 6 * 256(9216),使用的是AlexNet pool5 以前的网络层;2.Decoder 是一个去卷积网络,将 9216 维的向量映射为缺失内容的预测值。

原始仓库地址:https://github.com/pathak22/context-encoder.git

浏览量:59 下载量:0 项目类别: 三维重构
10 months前更新

ihub@pcl.ac.cn 鹏城实验室人工智能研究中心

版权所有:鹏城实验室    粤ICP备18066427号-6    Powerd by 国防科技大学Trustie