#137 · 主分类: 图像生成
iGAN
基于生成对抗网络的交互式图像生成
项目最后更新:08/05/20
GitHub Stars
4.0K
Forks数量
584
贡献者数量
2
许可证
MIT
收录理由
iGAN把生成对抗网络变成可以手动操控的工具,而不是只能随机采样。用户随手画几笔轮廓或涂上几抹颜色,系统就会在预训练DCGAN的潜空间里搜索,实时返回与编辑匹配的照片级图像。这对设计师和研究者来说很实用,他们可以像在画布上直接作画一样快速试验视觉想法;对于想了解生成模型潜空间到底包含什么内容的人,它也是个直观的入口。这个界面同时还能充当调试辅助:因为它能展示模型能生成什么、不能生成什么,你可以在正式采用某个GAN之前先探清它的边界。需要提醒的是,代码基于Python 2、Theano和较旧的GPU工具链,今天要跑起来会面临不少环境配置上的麻烦。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。
同类热门项目
stable-diffusion-webui
Stable Diffusion 网页界面
ComfyUI
最强大且模块化的扩散模型GUI、API和后端,具有图形/节点界面。
diffusers
🤗 Diffusers:PyTorch中最先进的扩散模型,用于图像、视频和音频生成。
upscayl
🆙 Upscayl - 适用于 Linux、MacOS 和 Windows 的 #1 免费开源 AI 图像放大工具。
InvokeAI
InvokeAI 是领先的开源创意引擎,专为 Stable Diffusion 设计,提供业界领先的 Web UI,用于生成和编辑视觉媒体。