画像から画像への変換を行う生成モデルCycleGANの説明として、最も適切なものはどれか。
- 1変換前と変換後の画像が1対1で対応したペアデータを用意し、条件付きGANによって入力画像に対応する出力画像を学習する。
- 2ペアになっていない2つのドメインの画像集合を用い、一方のドメインに変換した画像を元のドメインへ戻したときに元画像と一致するよう制約を課して、相互変換を学習する。
- 3潜在変数をマッピングネットワークで中間潜在空間に変換し、生成器の各層にスタイルとして入力することで、高解像度の顔画像などを生成する。
- 4GANの生成器と識別器に畳み込み層を導入し、プーリング層を除いてバッチ正規化を用いることで、学習を安定させた初期の代表的なモデルである。
正解と解説を見る
正解：2
CycleGANは、ペアになっていない2つのドメイン（例：馬とシマウマ）の画像を使い、A→B→Aと変換したときに元の画像に戻るようにする「サイクル一貫性損失」を導入して、ドメイン間の相互変換を学習します。選択肢1はペアデータを必要とするpix2pixの説明です。選択肢3はStyleGAN、選択肢4はDCGANの説明です。CycleGANは「ペアデータ不要」と「サイクル一貫性損失」の2点で覚えておきましょう。
根拠：Zhu et al. (2017) "Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks"（CycleGAN）