Taip, CycleGAN galima pritaikyti ne tik vaizdams, bet ir kitų tipų duomenims. Nors originali CycleGAN architektūra buvo sukurta verčiant vaizdą į vaizdą, koncepcija gali būti išplėsta įtraukiant kitus duomenų tipus, pavyzdžiui:
1. Vertimas iš garso į garsą: „CycleGAN“ gali būti naudojamas garso signalams iš vieno domeno į kitą išversti, pavyzdžiui, verčiant muziką iš vieno žanro į kitą arba konvertuojant kalbą iš vienos kalbos į kitą[1].
2. Vertimas iš teksto į tekstą: CycleGAN gali būti taikomas atliekant teksto į tekstą vertimo užduotis, pvz., mašininį vertimą arba teksto apibendrinimą, naudojant teksto į tekstą generatorių ir diskriminatorių[1].
3. Laiko eilučių vertimas į laiko eilutes: „CycleGAN“ gali būti naudojamas laiko eilučių duomenims iš vieno domeno į kitą versti, pvz., vertybinių popierių rinkos duomenims iš vienos rinkos į kitą perkelti arba orų duomenims konvertuoti iš vienos vietos į kitą. [1].
4. 3D taškų debesies vertimas į 3D taškų debesį: CycleGAN galima pritaikyti 3D taškų debesies duomenims, pvz., perkelti 3D taškų debesis iš vieno jutiklio į kitą arba konvertuoti 3D taškų debesis iš vieno formato į kitą[1 ].
5. Vertimas iš grafiko į grafiką: CycleGAN gali būti naudojamas grafiko duomenims iš vieno domeno į kitą perkelti, pvz., socialinio tinklo duomenims iš vienos platformos į kitą perkelti arba cheminės struktūros duomenims konvertuoti iš vieno formato į kitą[1 ].
Šie plėtiniai reikalauja pritaikyti CycleGAN architektūrą prie konkretaus duomenų tipo ir domeno. Pavyzdžiui, generatoriaus ir diskriminatoriaus modeliai turi būti suprojektuoti taip, kad atitiktų unikalias duomenų tipo, pvz., garso ar teksto, charakteristikas[1].
Diegimo pavyzdžiai
- Garso į garsą vertimas: CycleGAN, skirtas garso vertimui į garsą naudojant TensorFlow ir Keras[2].- Vertimas iš teksto į tekstą: CycleGAN, skirtas vertimui iš teksto į tekstą naudojant PyTorch[3].
Nuorodos:
– [1] https://www.aiproblog.com/index.php/2019/07/28/a-gentle-introduction-to-pix2pix-generative-adversarial-network/- [2] https://github.com/AquibPy/Cycle-GAN
- [3] https://github.com/simontomaskarlsson/CycleGAN-Keras
Citatos:
[1] https://blog.aiensured.com/transforming-images-with-cyclegan-and-pix2pix-exploring-generative-adversarial-networks/
[2] https://keras.io/examples/generative/cyclegan/
[3] https://github.com/AquibPy/Cycle-GAN
[4] https://github.com/simontomaskarlsson/CycleGAN-Keras
[5] https://towardsdatascience.com/cyclegan-how-machine-learning-learns-unpaired-image-to-image-translation-3fa8d9a6aa1d?gi=dbce9aca0724