Progressive Blur 相关的热门 GitHub AI项目仓库

一个在浏览器中播放生成式音乐的平台。

CVPR 2021论文《多阶段渐进式图像恢复》在图像去模糊、去雨和去噪方面取得了最先进的成果。

🔥 🔥 基于PyTorch的“渐进式GANs生长(PGGAN)”实现 🔥 🔥

非官方的PyTorch实现，基于论文《渐进式GANs生长以提升质量、稳定性和多样性》

[ECCV2024] Gaussian Splatting on the Move: Blur and Rolling Shutter Compensation for Natural Camera Motion

清晰图像去模糊

CVPR 2021论文：DeFMO：快速运动物体的去模糊和形状恢复

基于网页的YOLO模型实时目标检测

NAACL 2021 - 长文本的渐进式生成

用于无监督图像去模糊的模糊转换（CVPR'24）

使用最先进的目标检测模型YOLOv8模糊视频和图像中人脸和车牌的代码

一个使用PyTorch 0.4框架实现的渐进式GAN生长模型，该模型提升了GAN的质量、稳定性和多样性（论文链接：https://arxiv.org/abs/1710.10196）

本文配套代码已上传至Github。论文“通过真实建模双像素数据来学习减少散焦模糊”提出了一种合成生成逼真双像素数据的方法。我们的合成方法模拟了双像素传感器上的光学成像过程，并可应用于使用标准计算机软件渲染的虚拟场景。利用这些逼真的合成双像素图像，我们引入了一种新的循环卷积神经网络 (RCN) 架构，该架构可以改善散焦去模糊效果，并适用于双像素传感器捕获的单帧和多帧数据。

使用标准GAN、WGAN、WGAN-GP、LSGAN、BEGAN、DRAGAN、条件GAN、InfoGAN和辅助分类器GAN等训练方法的渐进式GAN（ProGAN）

基于可解释生物序列语义分析的肽-蛋白质特异性相互作用谱的渐进式迁移学习

本文的GitHub代码库对应论文“改进单图像散焦去模糊：双像素图像如何通过多任务学习提供帮助”。我们提出了一种单图像去模糊网络，该网络将两个子孔径视图整合到一个多任务框架中。具体来说，我们证明了从单个模糊输入图像联合学习预测两个双像素视图可以提高网络学习去模糊图像的能力。我们的实验表明，这种多任务策略比最先进的散焦去模糊方法提高了+1dB的峰值信噪比（PSNR）。此外，我们的多任务框架允许从单个输入图像准确合成双像素视图（例如，约39dB PSNR）。这些高质量的双像素视图可用于其他基于双像素的应用，例如反射去除。为此，我们收集了一个新的包含7059张高质量图像的数据集。

Official Pytorch implementation of ICCV 2021 2020 paper "Bridging Unsupervised and Supervised Depth from Focus via All-in-Focus Supervision"

这是一个轻量级的生成对抗网络（GAN），用于实时去模糊。该模型体积超小，推理速度极快。其设计初衷是为了提升机器人应用中的标记物检测性能，但你也可以将其应用于其他领域。

A space for comprehensive learning of agent-based software architectures. Progressive tutorials from reactive agents to AI-driven distributed systems. SPADE, Mesa, custom architectures with modern Python.