更好循环的 CycleGAN
计算机视觉与模式识别
2024-11-25 v2 机器学习
摘要
CycleGAN 提供了一个使用无配对数据集进行图像到图像翻译的框架，利用循环一致性损失[4]进行训练。虽然在许多应用中效果良好，但像级循环一致性在某些情况下可能存在问题，导致生成不真实的图像。为此，本项目提出了三种简单的循环一致性修改方法，表明这种方法以更少的瑕疵实现更好的效果。
引用
@article{arxiv.2408.15374,
title = {CycleGAN with Better Cycles},
author = {Tongzhou Wang and Yihan Lin},
journal= {arXiv preprint arXiv:2408.15374},
year = {2024}
}
备注
Technical Report 2018