CycleGAN: תרגום תמונות ללא זוגות באמצעות עקביות מחזורית
CycleGAN, שהוצג על ידי Zhu ועמיתיו ב-ICCV 2017, לומד לתרגם תמונות בין שני תחומים חזותיים מבלי לדרוש דוגמאות אימון מזווגות. הוא מאמן שני מחוללים ושני מבחינים בו-זמנית, תוך אכיפת אילוץ עקביות מחזורית כך שתמונה מתורגמת מתחום X לתחום Y וחזרה שחזור את המקור. זה הופך אותו למתאים בכל פעם שמאגרי נתונים גדולים ומיושרים אינם זמינים, כגון המרת תצלומים לסגנונות אמנותיים, הפיכת נופי קיץ לסצנות חורף, או מיפוי צילומי לוויין לאריחי מפה.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). CycleGAN (Cycle-Consistent Image Translation). ScholarGate. https://scholargate.app/he/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.
- רשת יריבות יוצרת (Generative Adversarial Network)למידה עמוקה↔ compare
- העברת סגנון עצביתלמידה עמוקה↔ compare
- ווסרשטיין GAN (WGAN)למידה עמוקה↔ compare