CycleGAN: Μετάφραση Εικόνων χωρίς Αντιστοίχιση με Κυκλική Συνέπεια

Το CycleGAN, που εισήχθη από τους Zhu et al. στο ICCV 2017, μαθαίνει να μεταφράζει εικόνες μεταξύ δύο οπτικών πεδίων χωρίς να απαιτούνται αντιστοιχισμένα παραδείγματα εκπαίδευσης. Εκπαιδεύει ταυτόχρονα δύο γεννήτριες και δύο διακριτές, επιβάλλοντας έναν περιορισμό κυκλικής συνέπειας, ώστε μια εικόνα που μεταφράζεται από το πεδίο X στο Y και πάλι πίσω να ανακτά την αρχική. Αυτό το καθιστά εφαρμόσιμο όποτε μεγάλες ευθυγραμμισμένες σύνολα δεδομένων δεν είναι διαθέσιμες, όπως η μετατροπή φωτογραφιών σε καλλιτεχνικά στυλ, η μετατροπή καλοκαιρινών τοπίων σε χειμερινές σκηνές ή η αντιστοίχιση δορυφορικών εικόνων σε πλακίδια χάρτη.