针对当前的艺术创作和动画创作过程，在从草图到样式化图像的转换过程中有很多重复的手动操作。 本文提出了一种基于深度学习框架的解决方案，以实现图像生成和样式转换。 该方法首先使用条件生成来抵抗网络，优化训练映射关系的损失函数，并从输入草图生成实际图像。 然后，通过定义和优化样式转移模型的感知损失函数，从图像中提取样式特征，从而形成图像与风格化艺术图像之间的实际转换。 实验表明，该方法可以大大减少着色和不同艺术效果的转换工作，达到将简笔画转换为实际物体图像的目的。

Mandelbrot GPU 经过优化的基于GPU和CPU的Mandelbrot Set图像生成器。 此python脚本将生成带有给定参数集的mandelbrot或julia分形图像。 查看示例man（delbrot）和julia图片。 要求： 麻木 茶野 象征性的 numexpr matplotlib 为了测试它，请运行： python example.py 为了制作自己的图片 from mandelbrot import * limits = create_interval(center=[-0.5,0], radius=1.5) mandel_single(max_iter, res, limits, name) julia_single(c, func, max_iter, res, limits, raw , name) max_ite

该软件是一款成像声呐仿真软件，融入了换能器设计、波束形成原理、声波传播衰减理论、海底散射理论、回波亮点模型等技术于一体。自带丰富的3维点云库，支持第三方3维点云数据导入；可对物体进行静态或者动态成像；支持成像结果导出。适合基于成像声呐进行水下目标识别、水下物体三维重构、水下SLAM等研究需要大量接近实际的仿真数据的人群。

用于表格数据的GAN 我们深知GAN在现实图像生成方面的成功。 但是，它们可以应用于表格数据生成。 我们将回顾和研究有关表格式GAN的最新论文。 Arxiv文章： 中等职位： 如何使用图书馆 安装： pip install tabgan 要生成新数据以通过采样进行训练，然后通过对抗性训练进行过滤，请调用GANGenerator().generate_data_pipe ： from tabgan . sampler import OriginalGenerator , GANGenerator import pandas as pd import numpy as np # random input data train = pd . DataFrame ( np . random . randint ( - 10 , 150 , size = ( 50 , 4 )), col

PGM图像生成器，将多种格式的图像生成PGM格式图像，方便做视觉处理

asciimg, 在Java中，编写了一个ascii图像生成器 asciimgAsciimg是用Java编写的可扩展Ascii艺术生成器。 有关更多信息，请参阅这里博客帖子： http://korhner.github.io/java/image-processing/ascii-art-gene

BlenderProc 用于真实感训练图像生成的程序化Blender管道。 查看我们的（我们会不时对其进行更新）和我们在RSS 2020上发布的关于sim2real传输的。 概述视频 BlenderProc还有一个完整的。 BlenderProc还有一个扩展的介绍视频，它涵盖了基础知识和一些背景故事，以及它们的开始方式。 可以在找到。 内容 一般 通常，一条管线的运行首先加载或构建3D场景，然后在该场景内设置一些相机位置，并为每个图像渲染不同类型的图像（rgb，距离，法线等）。 混合器管道由不同的模块组成，其中每个模块在描述的过程中执行一个步骤。 通过.yaml文件选择，订购和配置模块。 要运行Blender管道，只需调用主目录中的run.py脚本以及所需的配置文件和任何其他参数即可。 可以在相应的示例文件夹中找到示例性config.yaml 。 python run.py c

可见光图像易受光照变化影响，而热红外图像对成像的光照条件具有鲁棒性，因此，热红外图像可以弥补可见光图像光照敏感性这一不足。然而，红外热像仪价格昂贵，采集热红外图像的成本远高于可见光图像。针对此问题，提出了一种基于生成对抗网络的热红外人脸图像生成方法，采用条件生成对抗网络结合L1损失从可见光图像中生成红外热像。在USTC-NIVE数据库上的实验结果验证了所提出的红外热像生成方法的有效性。同时，将生成的红外热像作为扩充样本，有助于提高红外表情识别的精度。

MandelBrot_Parallel 使用MPI的Mandelbrot图像生成器 mandelbrot_ms.cc包含主从mandelbrot模型方法

本资源为机器学习实验四：深度学习图像生成（Part two：DeepDream）模型文件及图像。来源姜老师，仅供学习存档。