サイクル整合的敵対的ネットワークを用いた非対の画像間変換

画像間変換は、入力画像と出力画像のマッピングを、対応した画像ペアの訓練セットを用いて学習する視覚およびグラフィックスの問題の一種です。しかし、多くのタスクでは、ペアの訓練データが利用できません。私たちは、対応例がない状態で、ソースドメインXからターゲットドメインYへの画像変換を学習する手法を提示します。目標は、マッピングG : X → Yを学習し、G(X)からの画像の分布がYの分布と識別不可能になることを敵対的損失を用いて達成することです。このマッピングは大幅に制約不足であるため、逆マッピングF : Y → Xと結合し、サイクル整合損失を導入してF(G(X)) ≈ X（およびその逆）となるよう促進します。対応する訓練データが存在しない複数のタスク（収集スタイル変換、オブジェクト変身、季節変換、写真強調など）で定性的結果を示します。いくつかの従来法との定量比較は、私たちの手法の優越性を示しています。