Fd-CycleGAN은 CycleGAN을 기반으로 Local Neighborhood Encoding (LNE)과 주파수 인식 감독을 통합하여 이미지 간 변환(I2I)을 수행하는 프레임워크입니다. LNE은 미세한 지역적 픽셀 의미를 포착하고, 주파수 인식 감독은 소스 도메인의 구조적 일관성을 유지합니다. KL/JS divergence와 로그 기반 유사도 측정을 포함한 분포 기반 손실 측정법을 사용하여 공간 및 주파수 도메인 모두에서 실제 및 생성된 이미지 분포의 정렬을 명시적으로 정량화합니다. Horse2Zebra, Monet2Photo, 그리고 합성적으로 증강된 Strike-off 데이터셋에 대한 실험을 통해 기존 CycleGAN 및 다른 최첨단 방법들과 비교하여, 특히 데이터가 부족한 환경에서 우수한 지각 품질, 빠른 수렴 및 향상된 모드 다양성을 보여줍니다. 지역적 및 전역적 분포 특성을 효과적으로 포착하여 시각적으로 일관성 있고 의미적으로 일치하는 변환을 달성합니다. 주파수 기반 잠재 학습은 이미지 변환 작업에서 일반화를 크게 향상시키며, 문서 복원, 예술적 스타일 전이 및 의료 이미지 합성에 유망한 응용 프로그램을 제공합니다. 또한 확산 기반 생성 모델과의 비교 분석을 통해 훈련 효율성 및 정성적 출력 측면에서 경량의 적대적 접근 방식의 장점을 강조합니다.
