Skip to the content.

最終更新日:2026年9月23日

まず結論

CycleGANは、入力と出力が1対1で対応した画像ペアを用意しなくても、2つの画像ドメイン間の変換を学習できるモデルです。

最大のキーワードは、Cycle Consistency(循環一貫性)です。

直感的な説明

写真の集合Aと絵画の集合Bはあるけれど、

この写真に対応する正解の絵画

というペアはない状況を考えます。

CycleGANは、

  • A → B
  • B → A

の両方向を学び、変換して戻したときに元の画像へ近づくよう制約します。

定義・仕組み

CycleGANでは主に、

  • A→BのGenerator
  • B→AのGenerator
  • 各ドメインのDiscriminator
  • Cycle Consistency Loss

を使います。

たとえば A→B→A と戻したとき、元のAへ近づくように学習します。

いつ使う?(得意・不得意)

代表例は、

  • 馬 ↔ シマウマ
  • 夏 ↔ 冬
  • 写真 ↔ 絵画風

などのunpaired image-to-image translationです。

「教師なし」とだけ覚えるより、対応ペアが不要と覚える方が誤解が少なくなります。

G検定ひっかけポイント

Pix2Pix

→ 対応する入力・正解画像のペアあり

CycleGAN

→ ペアなし+Cycle Consistency

Cycle Consistency

❌ 同じ画像を2回生成する
⭕ A→B→Aのように戻したとき元へ近づける

まとめ(試験直前用)

  • CycleGAN=ペアなし画像変換
  • A→BとB→A
  • Cycle Consistency Loss
  • Pix2Pix=ペアあり
  • 「教師なし」よりunpairedで覚える

参考資料

© 2024-2026 stemtazoo. All rights reserved.