Каква е идеята на Cycle-GAN? Какви загуби се използват в него?

Cycle-GAN е архитектура на генеративни състезателни мрежи, предназначена да научи преобразуването на изображения от един домейн в друг без парни примери (незадържана изображение към изображение превод).

Основната идея е да се осигури циклична съгласуваност: ако преобразувате изображение от домейн A в домейн B, а след това обратно в A, резултатът трябва да бъде близо до оригиналното изображение.

Използват се следните видове загуби:

• Загуба на съперничество (Adversarial Loss): кара генерираните изображения да приличат на реалните изображения от целевия домейн.

• Загуба на циклична съгласуваност (Cycle Consistency Loss): наказва разликата между оригиналното изображение и възстановеното след двойно преобразуване (A→B→A и B→A→B).

• Загуба на идентичност (Identity Loss): по избор, помага да се запази цветната палитра и структурата, когато изображението вече принадлежи към целевия домейн.

По този начин, Cycle-GAN позволява обучение на модели за преобразуване между домейни без необходимостта от наличието на съответстващи двойки изображения.