↑: [[G検定に関する知識]] - [[Pix2Pix]]の弱点（ペア画像が必要）を克服した[[GAN]]派生モデル - ペアになっていないデータ群だけでドメイン間の変換を学習できる - 例：「馬の画像群」と「シマウマの画像群」 - 鍵のアイデア：サイクル一貫性損失（Cycle Consistency Loss） - A→Bに変換して、さらにB→Aに戻した画像が元のAと一致するかを評価 - 2方向のGeneratorを同時に学習（双方向変換が可能） - 応用例：写真→絵画風、夏→冬、顔のエイジング処理 - 構成：**2つのGenerator＋2つのDiscriminator** - ひっかけ：「ペアデータを使う教師あり変換」は[[Pix2Pix]]の説明。CycleGANは**教師なし（unpaired）**。ペアの要否が最重要の区別点 - ペアなしで画像の相互変換を学べるGAN手法 - キーワード：循環一貫性（A→B→Aで元に戻れる）制約を学習に組み込む - 用途例：夏↔冬、写真↔モネ風、馬↔シマウマ - cf. [[Pix2Pix]], [[GAN]], [[生成AI]]