Cycle GAN

Cycle GAN

针对GAN中容易出现的Mode Collapse问题，即Generator趋向于集中在目标分布中某一小部分，比如无视输入，均得到一系列相似却能够骗过Discriminator的输出。

Mode Collapse问题的解决方法：

1. Do Nothing

通常来说Generator的输入和输出不会相差太远，因此面对Collapse的风险并非一定要采取措施

2. 对输入和输出添加限制

 

对输入和输出提取特征，要求Generator的输出和输入间保持一定的相似度

 

 3. Cycle GAN

 

 

 在原有的GAN的基础上（G_x→y+D_y），加上DomainY到DomainX的G_y→x，G_y→x在这里的作用是限制Y的结构，使其无法偏离X太远，因为如果Y是相对X截然不同的图像，即已丢失了X的信息，G_y→x则不能将其转化回X

但是仅仅只添加G_y→x的限制是不够的，Mode依然会Collapse或者根本train不起来，而另外添加一个Cycle就能够添加额外的Constrain

在由Two Cycles组成的Cycle GAN中，G_x→y和G_y→x都能够从对方的目标分布中学习，而以往G_y→x只能够从G_x→y生成的Y中学习，当Y的质量很差时，训练出来的G_y→x也必定是差的