概述
CycleGAN 学习在两个视觉域之间转换图像（例如将马转换为斑马，或将照片转换为绘画），而无需匹配的前后示例对。这很重要，因为收集配对训练数据通常是不可能的，而 CycleGAN 为混乱的现实世界数据集解锁了风格迁移。
CycleGAN Unpaired Translation 属于计算机视觉工作流程，可解释或生成视觉媒体以进行分析、操作和创造力。
深入探讨
CycleGAN 由 Zhu、Park、Isola 和 Efros 于 2017 年推出，可解决不配对的图像到图像的转换问题。大多数早期的方法（如 pix2pix）需要精确的配对：与照片和草图相同的场景。 CycleGAN 使用两个生成器（G 将域 A 转换为 B，F 将 B 转换回 A）和两个判断每个域中真实性的判别器消除了这一要求。突破在于循环一致性损失：如果你将马照片翻译成斑马并将其翻译回来，你应该恢复原始的马。此约束阻止生成器发明任意输出并强制有意义的、内容保留的映射。众所周知，它把夏天的风景变成了冬天，把莫奈的画变成了照片，把苹果变成了橘子，所有这些都是从两个不相关的图像堆中学到的。
技术洞察
CycleGAN 将对抗性损失与循环一致性损失相结合。每个生成器都面临一个 PatchGAN 判别器，该判别器将重叠的图像块分类为真或假，而不是判断整个图像。循环损失使用 L1 重建惩罚强制执行关于 x 的 F(G(x)) 和关于 y 的 G(F(y))。当图像已经属于目标域时，可选的身份丢失会保留颜色。两个生成器同时训练，学习保持结构完整的逆映射。
掌握 CycleGAN 未配对翻译
CycleGAN 学习在两个视觉域之间转换图像（例如将马转换为斑马，或将照片转换为绘画），而无需匹配的前后示例对。这很重要，因为收集配对训练数据通常是不可能的，而 CycleGAN 为混乱的现实世界数据集解锁了风格迁移。 CycleGAN Unpaired Translation 属于计算机视觉工作流程，可解释或生成视觉媒体以进行分析、操作和创造力。为了建立深入的理解，请将 CycleGAN 非配对翻译视为一种操作模型，而不是单一功能：定义所需的结果，澄清假设，并将系统可以可靠地执行的操作与仍需要专家判断的操作分开。
在实践中，使用 CycleGAN Unpaired Translation 的强大团队可以平衡准确性与数据质量、光照差异和标签一致性等操作现实。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
视觉人工智能可以大规模自动化检查、检测和标记任务。同时，如果出处不明，肖像权和同意可能会成为法律风险。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
视觉人工智能可以大规模自动化检查、检测和标记任务。
视觉人工智能可以大规模自动化检查、检测和标记任务。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
创意团队可以通过更少的手动修改更快地构建概念原型。
创意团队可以通过更少的手动修改更快地构建概念原型。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
操作可以使用以前难以处理的图像和视频信号。
操作可以使用以前难以处理的图像和视频信号。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
将照片变成莫奈、梵高或塞尚的绘画风格，无需配对照片绘画示例
将夏季风景照片转换为冬季场景（反之亦然）以创建电影和游戏资产
在无法进行配对患者扫描的医学研究中将 MRI 扫描转换为类似 CT 的图像
采用合成驾驶模拟器镜头使其看起来逼真，以训练自动驾驶车辆感知
实施模式
CycleGAN 非配对翻译实践
将照片变成莫奈、梵高或塞尚的绘画风格，无需配对照片绘画示例。
将照片变成莫奈、梵高或塞尚的绘画风格，无需配对照片绘画示例当团队预先定义质量阈值、为边缘情况保留人性化的升级路径，并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
CycleGAN 非配对翻译实践
将夏季风景照片转换为冬季场景（反之亦然），以创建电影和游戏资产。
将夏季风景照片转换为冬季场景（反之亦然）以进行电影和游戏资产创建当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
CycleGAN 非配对翻译实践
在无法进行配对患者扫描的医学研究中，将 MRI 扫描转换为类似 CT 的图像。
在无法进行配对患者扫描的医学研究中，将 MRI 扫描转换为类似 CT 的图像 团队在预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
CycleGAN 非配对翻译实践
调整合成驾驶模拟器镜头，使其看起来逼真，以训练自动驾驶车辆感知。
调整合成驾驶模拟器镜头使其看起来逼真，以训练自动驾驶车辆感知当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
风险与防护栏
如果出处不明，肖像权和同意可能会成为法律风险。
模型性能可能因光照、人口统计和环境的不同而有所不同。
除非监控置信阈值，否则误报可能会被忽视。
实施路线图
定义精确度、召回率和错误成本的接受标准。
定义精确度、召回率和错误成本的接受标准。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
使用符合实际生产条件的数据进行测试。
使用符合实际生产条件的数据进行测试。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
为低置信度或高影响力的预测添加人工审核。
为低置信度或高影响力的预测添加人工审核。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
跟踪模型漂移并在相机或数据集更改后重新验证。
跟踪模型漂移并在相机或数据集更改后重新验证。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。