CycleGAN: Nepárový preklad obrazu na obraz s cyklickou konzistenciou
CycleGAN, predstavený Zhu et al. na ICCV 2017, sa učí prekladať obrazy medzi dvoma vizuálnymi doménami bez potreby párových tréningových príkladov. Súčasne trénuje dva generátory a dva diskriminátory, pričom vynucuje obmedzenie cyklickej konzistencie tak, aby obraz preložený z domény X do Y a späť obnovil originál. To ho robí použiteľným vždy, keď nie sú k dispozícii rozsiahle zarovnané datasety, ako napríklad konverzia fotografií na umelecké štýly, zmena letných krajiniek na zimné scény alebo mapovanie satelitných snímok na dlaždice máp.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 2). CycleGAN (Cycle-Consistent Image Translation). ScholarGate. https://scholargate.app/sk/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.
- Generatívna protiadverзárna sieťHlboké učenie↔ compare
- Neúrové prenosy štýluHlboké učenie↔ compare
- Wasserstein GAN (WGAN)Hlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →