知识卡片

普通读书笔记卡 · 6473.d.2.e.1.e · 生成模型:未记录

循环一致性不能确定期望映射

理解等级:中级

无配对图像转换中,CycleGAN 训练两个方向的生成器与相应域的判别器,同时要求输入经往返转换后可重建。对抗损失约束输出域分布,循环损失约束可逆性,但多种不符合期望的映射也可能满足两者,因此不能仅凭循环一致性保证语义正确。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 生成模型 8.9 CycleGAN · 查看原书依据

      具体来说,在CycleGAN中,我们会训练两个生成器. 第一个生成器会把域的图片变成域的图片,第二个生成器在看到一张域的图片后,就把它还原为域的图片.在训练的时候,我们会增加一个额外的目标,就是希望输入一张图片,在将其从域转成域以后,还要从域转回与原来一模一样的域的图片. 就这样经过两次转换以后,输入跟输出越接近越好,或者说两张图片对应的两个向量之间的距离越小越好.从域到域,再从域回到域,是一个循环(cycle),所以这个方案称为CycleGAN.CycleGAN中有三个网络——两个生成器和一个判别器,第一个生成器的工作是把转成,第二个生成器的工作是把还原回,判别器的工作是看第一个生成器的输出像不像域的图片,如图8.31 所示.

    参考来源

    - 位置:《深度学习详解》第8章《生成模型》8.9 CycleGAN(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter08.xhtml`) - 结论依据:正文和图解分别说明条件判别与循环重建;后续段落指出循环映射可能偏离期望。 - 原始内容:具体来说,在CycleGAN中,我们会训练两个生成器. 第一个生成器会把域的图片变成域的图片,第二个生成器在看到一张域的图片后,就把它还原为域的图片.在训练的时候,我们会增加一个额外的目标,就是希望输入一张图片,在将其从域转成域以后,还要从域转回与原来一模一样的域的图片. 就这样经过两次转换以后,输入跟输出越接近越好,或者说两张图片对应的两个向量之间的距离越小越好.从域到域,再从域回到域,是一个循环(cycle),所以这个方案称为CycleGAN.CycleGAN中有三个网络——两个生成器和一个判别器,第一个生成器的工作是把转成,第二个生成器的工作是把还原回,判别器的工作是看第一个生成器的输出像不像域的图片,如图8.31 所示.