CycleGAN: ترجمة الصور بين المجالات دون أزواج باستخدام اتساق الدورة
تعلم CycleGAN، الذي قدمه Zhu وآخرون في ICCV 2017، ترجمة الصور بين مجالين بصريين دون الحاجة إلى أمثلة تدريب مقترنة. يقوم بتدريب مولدين ومميزين بشكل متزامن، مع فرض قيد اتساق الدورة بحيث تستعيد الصورة المترجمة من المجال X إلى Y ثم العودة مرة أخرى الصورة الأصلية. هذا يجعلها قابلة للتطبيق كلما كانت مجموعات البيانات الكبيرة المتوافقة غير متوفرة، مثل تحويل الصور الفوتوغرافية إلى أنماط فنية، وتحويل المناظر الطبيعية الصيفية إلى مشاهد شتوية، أو ربط صور الأقمار الصناعية ببلاط الخرائط.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Zhu, J.-Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired image-to-image translation using cycle-consistent adversarial networks. IEEE International Conference on Computer Vision (ICCV), 2242–2251. DOI: 10.1109/ICCV.2017.244 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 2). CycleGAN (Cycle-Consistent Image Translation). ScholarGate. https://scholargate.app/ar/deep-learning/cyclegan
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- شبكة الخصومة التوليديةالتعلم العميق↔ compare
- نقل الأسلوب العصبيالتعلم العميق↔ compare
- شبكة WGAN التوليدية التنافسية (Wasserstein GAN - WGAN)التعلم العميق↔ compare