Cycle-GAN 在缺少GT的情况下,利用GAN捕获某组图像的特点,实现图像迁移。 相关研究 风格迁移:使用Gram矩阵实现图片级别的映射关系。 非对称的图像迁移:跨模态场景网络使用权重共享的策略,生成不同场景下的共同表征。 本文方法 本文目的是寻找两个不同风格图片之间的映射关系: $ G: X->Y \ F: Y->X $ 判别器的作用与传统GAN的判别器作用相同。 损失函数由两部组成: 对抗损失:通过不断优化, 使生成器能够生成从X到Y的映射。 循环一致损失:防止G和F之间形成过大的反差。 对抗损失 对于生成网络G和它对应的判别器