CycleGANは、対応するペア画像がなくても、2つの画像ドメイン（馬↔シマウマ、昼↔夜など）の相互変換を学習するGANです。Pix2Pixが「線画と写真のペア」を要求するのに対し、CycleGANは「Aに行って戻れば元に戻る」循環の約束で整列を代用——本記事は損失式の暗記ではなく、そのペアなし翻訳の発想に焦点を当てます。
ペア問題の壁
画像変換の古典的課題は、「入力画像Aに対応する正解画像B」をペアで揃えることです。線画→彩色写真なら、同じ構図の線画と写真が必要になります（G-375のPix2Pix）。
しかし「馬の写真集」と「シマウマの写真集」には、1対1の対応がありません。同じ構図・同じポーズで撮ったペアを集めるのは現実的でない——CycleGANはこのペアなしの状況を想定します。
対応するペア画像がなくても、2つのドメイン間の画像変換を学習できるモデル。（G-376）
循環一貫性の直感
ペアがないとき、CycleGANは循環（Cycle）で整合性を担保します。
- 順変換 G — ドメインXの画像をドメインY風に変換
- 逆変換 F — ドメインYの画像をドメインX風に変換
- 循環損失 — X→Y→X と戻したとき、元の画像に近いべき
- GAN損失 — 変換結果が本物のY（またはX）らしく見えるよう識別器と競合
「馬→シマウマ風→馬に戻る」——この往復の約束が、ペアラベルの代わりに「変換が意味を保っている」手がかりになります。試験では循環損失の数式より、ペアなしでも学習できる理由が問われます。
ドメイン変換の例
| ドメインX | ドメインY | 変換のイメージ |
|---|---|---|
| 馬 | シマウマ | 模様・色調のスタイル変換（G-376の例） |
| 昼の風景 | 夜の風景 | 照明・色調の変換 |
| 夏の写真 | 冬の写真 | 季節・天候の見た目変換 |
| 写真 | 絵画風 | スタイル転送（style transfer） |
いずれもドメイン変換——ある分布の画像を別分布らしく見せる——タスクです。Text-to-Imageの「文章から新規生成」とは目的が異なります。
Pix2Pix・DCGANとの違い
| モデル | 必要データ | 主な用途 | 試験 |
|---|---|---|---|
| Pix2Pix | ペア画像（入力↔出力） | 線画→写真など | G-375 |
| CycleGAN | 2ドメインの非ペア集合 | 馬↔シマウマ、昼↔夜 | G-376 |
| DCGAN | 単一ドメインの画像 | ランダムノイズから新規生成 | G-374 |
| GAN一般 | — | 生成器と識別器の対戦 | G-373、HQ-0157 |
DCGANは「ゼロから画像を生む」、Pix2Pixは「ペアで翻訳する」、CycleGANは「ペアなしで翻訳する」——データの前提で整理するとすり替えを防げます。
試験で押さえるポイント
- 定義 — ペア画像がなくても2ドメイン間の変換を学習（G-376）
- 対比 — Pix2Pixはペア必須（G-375）
- 系譜 — GANの画像変換系。拡散モデルではない
- 例 — 馬とシマウマ、昼と夜（試験解説の定番）
すり替えに注意
| 誤った説明 | 正しい理解 |
|---|---|
| CycleGAN＝Pix2Pix | 非ペア vs ペア必須 |
| CycleGAN＝DCGAN | ドメイン変換 vs ノイズからの新規生成 |
| CycleGAN＝教師あり学習 | ペアラベルなし。GANの枠組み |
| CycleGAN＝CNNそのもの | GANベースの変換モデル名 |
| CycleGAN＝Text-to-Image | 画像→画像変換 vs テキスト→画像生成 |
よくある質問
CycleGANは何をするモデルですか？
対応するペア画像がなくても、2つのドメイン（例：馬とシマウマ、昼と夜）間の画像変換を学習できるGANです。Pix2Pixがペアデータを必要とするのに対し、ペアなし変換が特徴です（G-376）。
CycleGANとPix2Pixは同じですか？
いいえ。Pix2Pixは入力と出力のペア画像を使って変換を学習します（G-375）。CycleGANはペアがなくても、循環一貫性などの制約で2つのドメイン間の変換を学びます。
CycleGANは拡散モデルですか？
いいえ。CycleGANはGAN系の画像変換モデルです。近年のText-to-Imageで主流の拡散モデル（Stable Diffusionなど）とは別系統です。