Qual é a ideia do Cycle-GAN? Que perdas são usadas nele?

Cycle-GAN é uma arquitetura de redes generativas adversariais projetada para aprender a transformar imagens de um domínio para outro sem exemplos pareados (tradução de imagem para imagem não supervisionada).

A ideia principal é garantir a consistência cíclica: se transformar uma imagem do domínio A para o domínio B, e depois de volta para A, o resultado deve ser próximo da imagem original.

São utilizados os seguintes tipos de perda:

• Perda adversarial: faz com que as imagens geradas se pareçam com as reais do domínio alvo.

• Perda de consistência cíclica: penaliza a discrepância entre a imagem original e a imagem reconstruída após a dupla transformação (A→B→A e B→A→B).

• Perda de identidade: opcional, ajuda a manter a paleta de cores e a estrutura quando a imagem já pertence ao domínio alvo.

Assim, o Cycle-GAN permite treinar modelos de transformação entre domínios sem a necessidade de ter pares de imagens correspondentes.