Генеративно-состязательная сеть CycleGAN

Существует большое количество вариаций генеративно-состязательных сетей (Generative Adversarial Network, GAN), которые используются для решения различных задач. В основе GAN имеются две нейронные сети: генеративная модель G, которая на основе тренировочных данных генерирует новые данные, и дискриминативная модель D, которая оценивает вероятность, что полученный образец пришел из тренировочных данных, а не был сгенерирован моделью G.
Модель CycleGAN состоит из двух свёрточных сетей, каждая из которых имеет генератор и дискриминатор. Работа модели рассматривается на двух датасетах: изображениях с лошадьми и зебрами, и изображениях с лесом и лесом с пожаром. Каждая из свёрточных сетей пытается обмануть другую, чтобы вторая думала, что сгенерированные изображения являются настоящими.
В докладе обсуждается из каких частей состоит модель CycleGAN, каким образом она обучается, и результаты, полученные при обучении модели на датасетах. В результате обучения имеются модели, которые могут перекрашивать зебр в лошадей и лошадей в зебр, а также добавлять в изображения с лесом пожар, и наоборот, убирать его с изображений.