Podstawowe pytanie: jakie podejście chcemy zastosować?
CycleGAN – podejście unsupervised starające się znaleźć mapowanie między dwiema domenami, bez wykorzystania podanych na tacy mapowań 1:1. Jeżeli klasyfikator działałby nawet w przypadku kilku stylów, to pewnie można by wykorzystać go jako discriminator obrazów tworzonych przez generator.
CycleGAN lub jego poprzednia wersja wykorzystująca maski segmentacji – treningowe dane w postaci obrazów i ich posegmentowanych odpowiedników, czyli bardziej supervised. Obraz na wejściu wpadałby w segmentator, ten wyrzucałby maski, następnie takie maski wchodziłyby do generatora z dodatkową informacją mówiącą w jakim stylu pomieszczenie ma być wykończone → na wyjściu powinniśmy otrzymać obraz o takich samych elementach, ale odmiennym charakterze
Można pewnie jakoś podpiąć EditGANa i na sztywno określić jakie modyfikacje ma wykonywać
Podstawowe pytanie: jakie podejście chcemy zastosować?