
1. Adversarial loss:

2. Cycle consistency loss
![]()
3. Full objective function:

Cycle GAN, 不仅让生成的图像和真实图像对抗学习,同时要求生成的图像能够decode出来原图像,这样不至于生成的图像太失真。
文中有个例子,很好理解。就是不要要求中文翻译为英文,尽可能准确。还要求翻译出来的英文,能够反过来翻译为对应的中文。 有点拗口,但是很形象。
CycleGAN原理与应用

1. Adversarial loss:

2. Cycle consistency loss
![]()
3. Full objective function:

Cycle GAN, 不仅让生成的图像和真实图像对抗学习,同时要求生成的图像能够decode出来原图像,这样不至于生成的图像太失真。
文中有个例子,很好理解。就是不要要求中文翻译为英文,尽可能准确。还要求翻译出来的英文,能够反过来翻译为对应的中文。 有点拗口,但是很形象。
1011
2733
1751
1487
1494
1344
1万+
536
718
693
938

被折叠的 条评论
为什么被折叠?