¿Cuál es la idea de Cycle-GAN? ¿Qué pérdidas se utilizan en él?

Cycle-GAN es una arquitectura de redes generativas adversariales diseñada para aprender a transformar imágenes de un dominio a otro sin ejemplos pareados (traducción de imagen a imagen no supervisada).

La idea principal es garantizar la consistencia cíclica: si se transforma una imagen del dominio A al dominio B, y luego de vuelta a A, el resultado debe ser cercano a la imagen original.

Se utilizan los siguientes tipos de pérdida:

• Pérdida adversarial: hace que las imágenes generadas se parezcan a las reales del dominio objetivo.

• Pérdida de consistencia cíclica: penaliza la discrepancia entre la imagen original y la imagen reconstruida tras la doble transformación (A→B→A y B→A→B).

• Pérdida de identidad: opcional, ayuda a mantener la paleta de colores y la estructura cuando la imagen ya pertenece al dominio objetivo.

De esta manera, Cycle-GAN permite entrenar modelos de transformación entre dominios sin necesidad de tener pares de imágenes correspondientes.