CycleGAN学习 笔记

Cycle GAN是发表于ICCV17的一篇GAN 工作，可以让两个domain的图片相互转化。传统的GAN是单向生成，而CycleGAN是互相生成，网络是个环形，所以命名为Cycle，并且CycleGAN一个非常实用的地方就是输入两张图片，可以是任意两张图片，也就是unpaired

单向GAN

CycleGAN本质上就是两个镜像对称的GAN，构成一个环形网络。其实只要理解了一半的单向GAN就等于理解了整个CycleGAN

上图是一个单向GAN的示意图，我们希望能够把domainA 的图片（命名为a)转化为domain B的图片（命名为b）。为了实现这个过程，我们需要两个生成器Gab和Gba,分别把domainA 和domain B的图片进行互换。图片A经过生成器Gab表示为Fake Image in domainB,用Gab(a)表示，而Gab(a)经过Gba表示为图片A的重建图片，用Gba(Gab(a))表示。最后为了训练这个单向GAN需要两个loss，分别是生成器的重建loss和判别器的判别loss。
CyckeGAN
CycleGAN其实就是一个A向B单向GAN加上一个B向A单向GAN。两个GAN共享两个生成器，然后各自带一个判别器，所以加起来总共有两个判别器和两个生成器。一个单向GAN有两个loss，而CycleGAN加起来一共有四个loss。