Jaki jest pomysł Cycle-GAN? Jakie straty są w nim używane?

Cycle-GAN to architektura sieci generatywnych przeciwnościowych, zaprojektowana do nauki przekształcania obrazów z jednego domeny na inną bez parowanych przykładów (nienadzorowane tłumaczenie obrazów na obraz).

Głównym pomysłem jest zapewnienie cyklicznej spójności: jeśli przekształcisz obraz z domeny A do domeny B, a następnie z powrotem do A, wynik powinien być bliski oryginalnemu obrazowi.

Używa się następujących rodzajów strat:

• Strata przeciwna (adversarial loss): sprawia, że wygenerowane obrazy są podobne do rzeczywistych obrazów z docelowej domeny.

• Strata spójności cyklicznej: karze za niezgodność między oryginalnym obrazem a obrazem odtworzonym po podwójnym przekształceniu (A→B→A i B→A→B).

• Strata tożsamości: opcjonalnie, pomaga zachować paletę kolorów i strukturę, gdy obraz już należy do docelowej domeny.

W ten sposób Cycle-GAN umożliwia trenowanie modeli przekształcania między domenami bez konieczności posiadania par odpowiadających sobie obrazów.