基于三种不同非配对数据集的CycleGAN
计算机视觉与模式识别
2022-08-16 v1
摘要
原始论文“使用循环一致对抗网络的非配对图像到图像翻译”是本次实现项目的灵感来源。研究者在原研究中开发了一种利用非配对数据集进行图像到图像翻译的新方法。尽管pix2pix模型的发现结果良好，但匹配数据集往往难以获取。在缺乏配对数据的情况下，cycleGAN因此可以通过图像到图像的转换克服这一问题。为了减少图像之间的差异，他们实现了循环一致性损失。我们使用三种不同的数据集对CycleGAN进行了评估，本文简要讨论了所得结果与结论。
引用
@article{arxiv.2208.06526,
title = {CycleGAN with three different unpaired datasets},
author = {Sai Pavan Tadem},
journal= {arXiv preprint arXiv:2208.06526},
year = {2022}
}