Care este ideea de Cycle-GAN? Ce pierderi sunt utilizate în acesta?

Cycle-GAN este o arhitectură de rețele generative adversariale concepută pentru a învăța transformarea imaginilor dintr-un domeniu în altul fără exemple pereche (traducere imagine în imagine nesupravegheată).

Ideea principală este de a asigura coerența ciclică: dacă transformi o imagine din domeniul A în domeniul B și apoi înapoi în A, rezultatul ar trebui să fie apropiat de imaginea inițială.

Se utilizează următoarele tipuri de pierderi:

• Pierdere adversarială: face ca imaginile generate să semene cu cele reale din domeniul țintă.

• Pierdere de coerență ciclică: penalizează diferența dintre imaginea originală și cea reconstruită după dublul proces de transformare (A→B→A și B→A→B).

• Pierdere de identitate: opțional, ajută la păstrarea paletei de culori și a structurii atunci când imaginea aparține deja domeniului țintă.

Astfel, Cycle-GAN permite antrenarea modelelor de transformare între domenii fără a fi nevoie de perechi de imagini corespunzătoare.