基于CycleGAN的真实场景到动漫风格图的转换应用

摘要

CycleGAN在图像生成领域的提出在极大程度上推动了图像生成的发展,对于未配对的数据集做图像生成应用而言,CycleGAN无疑是很优秀的.它提供了一种在缺少成对样本的情况下将源域X转换为目标域Y的训练方法.而由于单向的图像转换的映射约束不足,因此使用了循环执行一致性损失来加强约束力.一些未配对训练数据的任务包括图像风格的迁移、图片增强等等反映了定性的结果.本文所做的工作是通过CycleGAN来进行现实世界的场景到动漫风格图片的转换,最后使用PSNR和SSIM两个指标来对转换的结果进行评价.