Kokia yra Cycle-GAN idėja? Kokie nuostoliai naudojami jame?

Cycle-GAN yra generatyvių konkurencinių tinklų architektūra, sukurta mokytis vaizdų konvertavimo iš vieno domeno į kitą be porinių pavyzdžių (neprižiūrimas vaizdo įrašo į vaizdą vertimas).

Pagrindinė idėja yra užtikrinti ciklinį nuoseklumą: jei konvertuojate vaizdą iš A domeno į B domeną ir tada atgal į A, rezultatas turėtų būti artimas pradiniam vaizdui.

Naudojami šie nuostolių tipai:

• Adversarial Loss (priešpriešinis nuostolis): užtikrina, kad sugeneruoti vaizdai būtų panašūs į tikrus vaizdus iš tikslo domeno.

• Cycle Consistency Loss (ciklinio nuoseklumo nuostolis): baudžia už skirtumą tarp pradinio vaizdo ir atstatyto vaizdo po dvigubo konvertavimo (A→B→A ir B→A→B).

• Identity Loss (tapatybės nuostolis): pasirenkamas, padeda išlaikyti spalvų paletę ir struktūrą, kai vaizdas jau priklauso tikslo domenui.

Taip, Cycle-GAN leidžia treniruoti konversijos modelius tarp domenų be būtinybės turėti atitinkančius vaizdų poras.