画像変換GAN(Pix2PixとCycleGAN)

CycleGAN(Zhuら)はペアなしデータでドメイン変換を可能にしました。「ドメインA→B→Aと往復変換した画像が、元の画像Aと一致しなければならない」というサイクル一貫性損失(Cycle Consistency Loss: F(G(x)) ≈ x)が鍵です。 ア:正解です。Paired学習のPix2Pixと、Unpaired学習を可能にしたCycleGANの対比です。 イ:誤りです。両者とも画像間のスタイル変換・ドメイン変換を行うビジョンモデルです。 ウ:誤りです。元に戻ることを保証するのがサイクル一貫性損失です。 エ:誤りです。高解像度画像の変換に対応しています。

画像から画像への変換(Image-to-Image Translation)を行う「Pix2Pix」と「CycleGAN」の違いに関する記述として、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
Pix2Pixは「線画と完成イラスト」のようなペア画像データセットが必須であるのに対し、CycleGANはペアになっていない2つのドメイン画像群(例: 馬とシマウマの別々の写真群)から「サイクル一貫性損失」を用いて相互変換を学習できる。
イ
Pix2Pixは音声から画像を生成する手法であり、CycleGANは3Dモデルから動画を生成する手法である。
ウ
CycleGANは一度変換した画像を元のドメインに戻した際に、完全に異なる物体に変形することを推奨する損失関数を持つ。
エ
両手法ともに、入力画像の解像度を常に 16 × 16 ピクセルに強制縮小しなければ動作しない。