Accueil› Projets› inpainting_gmcnn
inpainting_gmcnn

inpainting_gmcnn

par shepnerd · GitHub

Inpainting d'image via des réseaux de neurones convolutifs multi-colonnes génératifs, NeurIPS2018

# deep-learning# gan# image-generation# image-inpainting
Voir sur GitHub
⭐ Étoiles
435
🍴 Forks
97
📜 Licence
MIT
Utilisation commerciale autorisée
📅 Créé
2018
🔄 Dernier commit
4 yr ago
🏷️ Catégorie
deep-learning
💻 Langue
Python
Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
inpainting_gmcnn — GitHub preview card
📈 Historique des étoiles
436435
2026-07-202026-07-22
📄 À propos

Inpainting d'image via des réseaux de neurones convolutifs multi-colonnes génératifs, NeurIPS2018

❓ Frequently asked questions

What is inpainting_gmcnn?

Inpainting d'image via des réseaux de neurones convolutifs multi-colonnes génératifs, NeurIPS2018

Is inpainting_gmcnn open source?

inpainting_gmcnn is an open-source project. It is released under the MIT license.

Is inpainting_gmcnn free?

Yes. inpainting_gmcnn is free and open source — you can use, modify and self-host it.

🏅 Mainteneur de ce projet ?
OpenSourceAI badge — inpainting_gmcnn

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=shepnerd-inpainting-gmcnn)](https://opensourceai.tech/project/shepnerd-inpainting-gmcnn.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
ganspace
Découverte des contrôles GAN interprétables [NeurIPS 2020]
★ 1.8k · deep-learning
partageganimage-generation
Few-Shot-Patch-Based-Training
L'implémentation officielle de notre article SIGGRAPH 2020 sur la stylisation vidéo interactive…
★ 625 · deep-learning
partageganimage-generation
BlendGAN
Implémentation officielle PyTorch de "BlendGAN : Mélange implicite GAN pour la génération de vi…
★ 498 · gan
partageganimage-generation

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.