超级会员免费看
CycleGAN是一种能将图像从一个领域转换到另一个领域的模型，特别适合非成对数据训练。它包含两个生成器和两个判别器，通过对抗损失和循环一致性损失实现图像转换。本文介绍了CycleGAN的模型结构、损失函数、训练策略，并展示了从萌宠到宝可梦的实际转换项目，包括数据爬取、Colab应用创建和训练过程。
《Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks》
论文地址：
https://arxiv.org/abs/1703.10593
源码地址：
论文简介：
CycleGAN 的作用是将一类图片转换成另外一类图片。具体点来讲，有 X 和 Y 两个图像域 (比如马和斑马)，CycleGAN能够将图像域X的图像 (马) 转换为图像域Y的图像 (斑马) ，或者是将图像域Y的图像 (斑马) 转换为图像域X的图像 (马) 。
相较于 pix2pix 模型，CycleGAN 最大的创新在于能够利用非成对数据（右，unpaired data）进行训练。比如，我们希望训练一个将白天的照片转换为夜晚的模型。如果使用 pix2pix 模型，那么我们必须在搜集大量地点在白
订阅专栏 解锁全文
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
