Skip to content

Latest commit

 

History

History
308 lines (200 loc) · 14.1 KB

README_cn.md

File metadata and controls

308 lines (200 loc) · 14.1 KB

简体中文 | English

PaddleGAN

飞桨生成对抗网络开发套件--PaddleGAN,为开发者提供经典及前沿的生成对抗网络高性能实现,并支撑开发者快速构建、训练及部署生成对抗网络,以供学术、娱乐及产业应用。

GAN--生成对抗网络,被“卷积网络之父”Yann LeCun(杨立昆)誉为「过去十年计算机科学领域最有趣的想法之一」,是近年来火遍全网,AI研究者最为关注的深度学习技术方向之一。

Licensepython version

近期活动🔥🔥🔥

产品动态

文档教程

安装

入门教程

模型库

产业级应用

在线教程

您可以通过人工智能学习与实训社区AI Studio 的示例工程在线体验PaddleGAN的部分能力:

在线教程 链接
人脸融合-PaddleGAN七夕特辑 点击体验
表情动作迁移-一键实现多人版「蚂蚁呀嘿」 点击体验
老北京视频修复 点击体验
表情动作迁移-当苏大强唱起unravel 点击体验

效果展示

人脸融合

风格迁移

老视频修复

动作迁移

超分辨率

妆容迁移

人脸动漫化

写实人像卡通化

照片动漫化

唇形同步

版本更新

  • v2.1.0 (2021.12.8)

    • 发布视频超分辨率模型PP-MSVSR以及多个预训练权重
    • 发布BasicVSR,IconVSR与Basicvsr++等多个效果领先的视频超分辨率模型及其预训练模型
    • 发布轻量级动作驱动模型(体积压缩:229M->10.1M),并优化融合效果
    • 发布高分辨率的FOMM和Wav2Lip预训练模型
    • 发布人脸反演,人脸融合和人脸编辑等多个基于StyleGANv2的有趣应用
    • 发布百度自研且效果领先的风格迁移模型LapStyle及其有趣应用,并上线官网体验页面
    • 发布轻量的图像超分辨模型PAN
  • v2.0.0 (2021.6.2)

  • v2.0.0-beta (2021.3.1)

    • 完全切换Paddle 2.0.0版本的API。
    • 发布超分辨模型:ESRGAN,RealSR,LESRCNN,DRN等
    • 发布唇形迁移模型:Wav2Lip
    • 发布街景动漫化模型:AnimeGANv2
    • 发布人脸动漫化模型:U-GAT-IT ,Photo2Cartoon
    • 发布高清人脸生成模型:StyleGAN2
  • v0.1.0 (2020.11.02)

    • 初版发布,支持Pixel2Pixel、CycleGAN、PSGAN模型,支持视频插针、超分、老照片/视频上色、视频动作生成等应用。
    • 模块化设计,接口简单易用。

欢迎加入PaddleGAN技术交流群

扫描二维码加入PaddleGAN QQ群[群号:1058398620],获得更高效的问题答疑,与各行业开发者交流讨论,我们期待您的加入!

扫描二维码回复关键字"GAN"即可加入官方微信交流群!

PaddleGAN 特别兴趣小组(Special Interest Group)

最早于1961年被ACM(Association for Computing Machinery)首次提出并使用,国际顶尖开源组织包括Kubernates都采用SIGs的形式,使拥有同样特定兴趣的成员可以共同分享、学习知识并进行项目开发。这些成员不需要在同一国家/地区、同一个组织,只要大家志同道合,都可以奔着相同的目标一同学习、工作、玩耍~

PaddleGAN SIG就是这样一个汇集对GAN感兴趣小伙伴们的开发者组织,在这里,有百度飞桨的一线开发人员、有来自世界500强的资深工程师、有国内外顶尖高校的学生。

我们正在持续招募有兴趣、有能力的开发者加入我们一起共同建设本项目,并一起探索更多有用、有趣的应用。欢迎大家在加入群后联系我们讨论加入SIG并参与共建事宜。

SIG贡献:

  • zhen8838: 贡献AnimeGANv2.
  • Jay9z: 贡献DCGAN的示例、修改安装文档等。
  • HighCWu: 贡献c-DCGAN和WGAN,以及对paddle.vision.datasets数据集的支持;贡献inversion部分代码复现。
  • hao-qiang & minivision-ai : 贡献人像卡通化photo2cartoon项目。
  • lyl120117:贡献去模糊MPRNet推理代码。

贡献代码

我们非常欢迎您可以为PaddleGAN提供任何贡献和建议。大多数贡献都需要同意参与者许可协议(CLA)。当提交拉取请求时,CLA机器人会自动检查您是否需要提供CLA。 只需要按照机器人提供的说明进行操作即可。CLA只需要同意一次,就能应用到所有的代码仓库上。关于更多的流程请参考贡献指南

许可证书

本项目的发布受Apache 2.0 license许可认证。