Mis on Cycle-GAN idee? Milliseid kaotusi selles kasutatakse?

Cycle-GAN on generatiivsete vastandvõrkude arhitektuur, mis on loodud õppima piltide teisendamist ühest domeenist teise ilma paaritud näidisteta (juhendamata pildi-pildi tõlge).

Peamine idee on tagada tsükliline järjepidevus: kui teisendate pildi domeenist A domeeni B ja seejärel tagasi A, peaks tulemus olema lähedal algsele pildile.

Kasutatakse järgmisi kaotustüüpe:

• Vastandlik kaotus (Adversarial Loss): tagab, et genereeritud pildid näevad välja nagu tõelised pildid sihtdomeenist.

• Tsüklilise järjepidevuse kaotus (Cycle Consistency Loss): karistab erinevust algse pildi ja topeltteisenduse järel taastatud pildi vahel (A→B→A ja B→A→B).

• Identiteedi kaotus (Identity Loss): valikuline, aitab säilitada värvipaletti ja struktuuri, kui pilt juba kuulub sihtdomeeni.

Sel viisil võimaldab Cycle-GAN treenida teisendusmudeleid domeenide vahel ilma vajaduseta omavahel seotud piltide paaride järele.