CycleGAN: Traducere de imagini fără perechi cu consistență ciclică
CycleGAN, introdus de Zhu et al. la ICCV 2017, învață să traducă imagini între două domenii vizuale fără a necesita exemple de antrenament pereche. Antrenează simultan doi generatori și doi discriminatori, impunând o constrângere de consistență ciclică astfel încât o imagine tradusă din domeniul X în Y și înapoi să recupereze imaginea originală. Acest lucru îl face aplicabil ori de câte ori seturi mari de date aliniate nu sunt disponibile, cum ar fi conversia fotografiilor în stiluri artistice, transformarea peisajelor de vară în scene de iarnă sau maparea imaginilor din satelit în dale de hartă.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 2). CycleGAN (Cycle-Consistent Image Translation). ScholarGate. https://scholargate.app/ro/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.
- Rețea Generativă AdversarialÎnvățare profundă↔ compare
- Transfer de Stil NeuralÎnvățare profundă↔ compare
- Wasserstein GAN (WGAN)Învățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →