如果你是一名玩家，你一定聽說過現在兩場瘋狂流行的大戰「大逃殺」，堡壘之夜和絕地求生。他們是兩個非常相似的遊戲，其中有 100 個玩家在一個小島上出沒，直到剩下一個倖存者。我喜歡堡壘之夜的遊戲玩法，但更喜歡絕地求生更逼真的視覺效果。這讓我想到了，我們是否可以為遊戲提供圖形模組，以便我們可以選擇喜歡的視覺效果，而無需依賴遊戲開發人員為我們提供該選項？如果一個 mod 可以在絕地求生的視覺效果中呈現堡壘之夜的幀，那該怎麼辦？這就是我決定探索深度學習是否有所幫助的地方，並且我遇到了一種名為 CycleGANs 的神經網路，這種網路恰好擅長風格轉換。

什麼是CycleGANs？

CycleGAN是用於跨域影象風格轉換的一種生成對抗網路。可以訓練它們將一個域的影象（如堡壘之夜）轉換為另一個域（如絕地求生）。該任務以無監督的方式執行，即這兩個域中沒有影象的一對一對映。

以堡壘之夜和絕地求生為例子，訓練了一對一的生成性對抗網路，其中一個網路學習堡壘之夜和絕地求生的視覺樣式，這兩個網路以迴圈的方式同時訓練，以便它們學習在兩個遊戲中形成物件之間的關係，從而進行適當的視覺轉換。

為了使我們的轉換有意義，我們實施的條件是這種重構必須與原始影象相似，給我們一個迴圈損失值，我們的目標是在訓練過程中最小化。這與自動編碼器類似，不同之處在於我們不在中間步驟的隱藏空間中尋找編碼，而是在目標域中尋找整個影象。

之後我們都不需要程式設計師的設定，自己可以根據自己的愛好來設定自己喜歡的