Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks

Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks

La traducción de imagen a imagen es una clase de problemas de visión y gráficos donde el objetivo es aprender el mapeo entre una imagen de entrada y una imagen de salida usando un conjunto de entrenamiento de pares de imágenes alineadas. Sin embargo, para muchas tareas, no se dispondrá de datos de formación por parejas. Presentamos un enfoque para aprender a traducir una imagen de un dominio de origen X a un dominio de destino Y en ausencia de ejemplos emparejados. Nuestro objetivo es aprender un mapeo G: X → Y tal que la distribución de imágenes de G(X) sea indistinguible de la distribución Y usando una pérdida adversarial. Debido a que este mapeo está muy poco restringido, lo acoplamos con un mapeo inverso F: Y → X e introducimos una pérdida de consistencia de ciclo para empujar F(G(X)) ≈ X (y viceversa). Los resultados cualitativos se presentan en varias tareas en las que no existen datos de entrenamiento apareados, incluyendo la transferencia de estilo de colección, transfiguración de objetos, transferencia de temporada, mejora de fotos, etc. Las comparaciones cuantitativas contra varios métodos anteriores demuestran la superioridad de nuestro enfoque.
 
Traducción realizada con el traductor www.DeepL.com/Translator