💻 computer science

UniCycleFlow: Bidirectional Unpaired Image Translation with a Shared Rectified Flow

UniCycleFlow introduce un marco de traducción de imágenes no emparejadas bidireccional que unifica las transformaciones directa e inversa dentro de un único flujo rectificado condicionado por el tiempo mediante el aprendizaje de puntos finales deterministas condicionados por la fuente con emparejamiento marginal adversarial, logrando así un rendimiento de vanguardia en múltiples tareas de traducción mientras preserva las estructuras específicas de la fuente.

Autores originales: Xianhao Zhou, Jianghao Wu, Shaoting Zhang, Guotai Wang

Publicado 2026-08-10

📖 8 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Xianhao Zhou, Jianghao Wu, Shaoting Zhang, Guotai Wang

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un maestro traductor, pero en lugar de convertir palabras entre el francés y el inglés, traduces mundos enteros. Quieres convertir una foto de un prado de verano en un paisaje invernal nevado, o un cebra en un caballo, sin haber visto jamás un solo par de fotos de "antes y después" para guiarte. Esta es la frontera salvaje de la traducción de imágenes no emparejadas. En el pasado, las computadoras tenían dificultades con esto porque no sabían qué flor de verano específica debería convertirse en qué copo de nieve de invierno específico. A menudo solo adivinaban, lo que resultaba en manchas borrosas o imágenes que perdían su forma original. Para solucionar esto, los científicos solían enseñar a las computadoras a jugar un juego de "viaje de ida y vuelta": traducir una foto de verano a invierno, y luego intentar traducir de nuevo a verano. Si el resultado final se parecía al original, la computadora lo estaba haciendo bien. Pero este método era como comprobar si un viaje de ida y vuelta en autobús te devolvía a la estación; no garantizaba que el autobús hubiera tomado una ruta suave y lógica en el trayecto.

Entra UniCycleFlow, un nuevo enfoque que cambia las reglas del juego al tratar la traducción de imágenes no como dos trabajos separados, sino como un único viaje continuo. En lugar de construir dos traductores diferentes (uno de verano a invierno y otro de invierno a verano), este método construye un único "campo de velocidad": piensa en él como un mapa de viento universal que sopla en ambas direcciones. Si quieres ir de Verano a Invierno, dejas que el viento sople hacia adelante; si quieres volver, simplemente inviertes el viento. El principal hallazgo del artículo es que, al obligar a ambas direcciones a seguir este mismo mapa de viento invisible, la computadora aprende a preservar la estructura de la imagen original mucho mejor que antes. Los autores midieron esto probando diez tareas de traducción diferentes (como convertir gatos en perros o mapas aéreos en vistas de calles) y descubrieron que su método producía las imágenes más claras y realistas con la menor cantidad de errores, logrando una puntuación máxima de 55.1 en una prueba de calidad estándar llamada FID. También demostraron que, incluso si le pides a la computadora que dé un solo paso gigante en lugar de muchos pasos diminutos, el resultado sigue siendo excelente, demostrando que el camino es increíblemente recto y eficiente.

El Problema: La Trampa del "Emparejamiento Aleatorio"

Imagina que estás intentando enseñarle a un robot cómo convertir la foto de un caballo en una cebra. El robot tiene una caja de fotos de caballos y una caja de fotos de cebras, pero no están emparejadas. Si simplemente tomas un caballo cualquiera y una cebra cualquiera y le dices al robot: "Convierte este caballo en esa cebra", el robot se confunde. Podría intentar convertir las patas del caballo en las rayas de la cebra, o peor aún, podría intentar convertir la cabeza del caballo en la cola de la cebra porque los dos animales están en poses diferentes. El robot termina aprendiendo una mezcla desordenada de "cómo cambiar un caballo" y "cómo cambiar una pose específica", lo que resulta en una criatura extraña y distorsionada.

Los métodos anteriores intentaron solucionar esto construyendo dos robots separados: uno para ir de A a B, y otro para ir de B a A. Comprobaban si el robot podía ir de A → B → A y terminar con la imagen original. Aunque esto ayudaba, era como comprobar si un conductor podía regresar al punto de partida; no garantizaba que el conductor tomara el mismo camino en ambos sentidos. Los dos robots podrían tomar caminos completamente distintos y zigzagueantes que, por casualidad, empezaban y terminaban en los lugares correctos.

La Solución: Un Viento, Dos Direcciones

Los autores de este artículo, UniCycleFlow, decidieron dejar de construir dos robots. En su lugar, construyeron un único mapa de viento (un "campo de velocidad") que existe en un espacio compartido entre los dos mundos.

Piensa en el tiempo como una regla. Al principio de la regla (tiempo 0), tienes tu imagen de origen (como un caballo). Al final de la regla (tiempo 1), tienes tu imagen de destino (como una cebra). El "viento" sopla del tiempo 0 al tiempo 1.

Para ir de Caballo → Cebra, simplemente dejas que el viento sople hacia adelante.
Para ir de Cebra → Caballo, simplemente inviertes el viento y soplas hacia atrás, del tiempo 1 al tiempo 0.

Debido a que es el mismo mapa de viento, las reglas para cambiar un caballo en una cebra son exactamente las mismas que las reglas para cambiar una cebra de nuevo en un caballo, solo que a la inversa. Esto obliga a la computadora a aprender un conjunto único y consistente de reglas para la transformación, en lugar de dos conjuntos separados y conflictivos.

El Truco de Magia: Aprendiendo el Destino Correcto

Aquí está la parte difícil: dado que la computadora no tiene pares correspondientes, ¿cómo sabe qué caballo específico debe convertirse en qué cebra específica? Si solo adivina, seguirá cometiendo el error de "emparejamiento aleatorio" del que hablamos antes.

UniCycleFlow resuelve esto con un truco ingenioso llamado ajuste de frontera adversarial (adversarial boundary matching). En lugar de obligar a la computadora a emparejar un caballo específico con una cebra específica del conjunto de datos, la computadora aprende a crear su propio destino perfecto.

La computadora mira un caballo y dice: "Crearé una cebra que se vea exactamente como una cebra real".
Crea una cebra falsa.
Un "juez" (un discriminador) observa a la cebra falsa y a las cebras reales. Si el juez puede distinguirlas, la computadora lo intenta de nuevo.
Una vez que el juez no puede notar la diferencia, la computadora ha encontrado un "emparejamiento perfecto" para ese caballo específico, aunque no estuviera en el conjunto de datos original.

Ahora, la computadora tiene un camino claro: Caballo → Cebra Falsa Perfecta. Dibuja una línea recta entre ellos y aprende el viento necesario para recorrer esa línea. Debido a que el destino fue creado específicamente para ese origen, el camino es limpio y lógico, evitando la confusión de los emparejamientos aleatorios.

Manteniendo el Viaje Suave

Saber los puntos de inicio y fin no es suficiente. La computadora debe asegurarse de que el viaje en el medio sea suave y no deforme la imagen de manera extraña. Los autores añadieron tres redes de seguridad para asegurar que el camino sea perfecto:

Auto-ajuste de flujo (Self-Flow Matching): Imagina que la computadora está caminando por el sendero. Revisa sus propios pasos para asegurarse de que el viento sea consistente. Si el viento cambia de dirección repentinamente en medio del viaje, la computadora se corrige. Esto asegura que el camino sea una línea recta y no un desastre tambaleante.
Cierre de Ciclo (Cycle Closure): Este es el control de "ida y vuelta", pero más inteligente. La computadora va de Caballo → Cebra → Caballo y comprueba si termina exactamente donde empezó. Si los dos pasos no se cancelan perfectamente entre sí, la computadora aprende a corregir el mapa de viento para que el ciclo se cierre herméticamente.
Regularización de Velocidad de Trayectoria de Representación: Este es el control más sutil. A veces, una imagen puede parecer estar bien, pero la "sensación" de la imagen cambia demasiado en el medio. Por ejemplo, la textura del pelaje podría volverse demasiado difusa antes de volver a definirse. La computadora utiliza un "ojo" congelado (un codificador preentrenado) para observar la imagen en cada pequeño paso del viaje. Se asegura de que las características (como la textura del pelaje o la forma de los ojos) cambien de manera lenta y constante, en lugar de saltar de forma errática.

Los Resultados: Una Imagen Más Clara

Los autores probaron este nuevo método en diez tareas de traducción diferentes, incluyendo la conversión de verano a invierno, caballos a cebras y gatos a perros. Compararon sus resultados con muchos otros métodos famosos.

Los resultados fueron impresionantes. Cuando se le permitió a la computadora dar un solo paso (una "inferencia de un paso") para traducir la imagen, UniCycleFlow logró la mejor puntuación (el error más bajo) en 7 de 10 tareas. Su puntuación promedio en las diez tareas fue de 55.1, que fue mejor que el mejor método anterior (DCLGAN), que obtuvo 62.6.

Aún más sorprendente es que el método funcionó casi igual de bien ya fuera que la computadora diera un gran paso o cinco pasos más pequeños. Esto sugiere que el camino que la computadora aprendió es tan recto y directo que no necesita dar pasos pequeños y cautelosos para llegar allí. Puede saltar del origen al destino con confianza.

Por Qué Esto Importa

UniCycleFlow demuestra que no necesitamos construir sistemas complejos y separados para cada dirección de traducción. Al tratar la transformación como un único viaje continuo gobernado por un solo conjunto de reglas, podemos obtener resultados más claros y estables. Es como darse cuenta de que para ir de casa a la escuela y volver, no necesitas dos mapas diferentes; solo necesitas un buen mapa y la capacidad de recorrerlo a la inversa. Este enfoque no solo ahorra potencia de cómputo, sino que también asegura que la "historia" de la imagen permanezca consistente, sin importar en qué dirección viajes.

Resumen Técnico de UniCycleFlow

Definición del Problema
La traducción de imágenes no emparejadas bidireccional busca transformar imágenes entre dos dominios visuales sin pares alineados de origen y destino. Un desafío central en este escenario es preservar la estructura específica de la imagen de origen mientras se aprenden transformaciones coherentes en ambas direcciones. Los métodos existentes suelen depender de dos generadores específicos para cada dirección o de modelos de una sola vía vinculados por consistencia de ciclo. Aunque los objetivos de ciclo fuerzan la reconstrucción de los puntos finales, no requieren que las dos direcciones obedezcan una regla de transformación local común. Además, las formulaciones estándar de flujo rectificado, que construyen trayectorias de interpolación a partir de acoplamientos de puntos finales prescritos, fallan en entornos no emparejados porque el muestreo independiente de imágenes reales de dos dominios mezcla el cambio de dominio deseado con diferencias arbitrarias en contenido, pose y disposición espacial, lo que resulta en objetivos de velocidad mal alineados.

Metodología
Los autores proponen UniCycleFlow, un marco que modela la traducción bidireccional como la integración hacia adelante y hacia atrás de un único campo de velocidad condicionado por el tiempo, $v_\theta(x, t)$ , en lugar de utilizar generadores separados.

Dinámica Temporal Compartida: Los dos dominios se asignan a los extremos opuestos de un intervalo temporal ( $t=0$ para el dominio A, $t=1$ para el dominio B). La traducción se logra integrando el mismo campo de velocidad hacia adelante ( $A \to B$ ) o hacia atrás ( $B \to A$ ). La red siempre predice la velocidad en una orientación canónica $A \to B$ ; la dirección está determinada únicamente por el signo del incremento de tiempo durante la integración de Euler.
Construcción de Puntos Finales Condicionados por la Fuente: Para abordar la falta de un acoplamiento significativo entre origen y destino en datos no emparejados, UniCycleFlow aprende puntos finales deterministas para cada imagen de origen. En lugar de emparejar una fuente con una imagen real muestreada independientemente, el modelo genera un punto final de destino $\hat{x}_B$ a partir de $x_A$ (y viceversa). Las distribuciones marginales de estos puntos finales generados se igualan adversariamente a los dominios opuestos mediante discriminadores PatchGAN. Esto crea trayectorias de traslación rectas $(x_A, \hat{x}_B)$ y $(\hat{x}_A, x_B)$ sin depender de emparejamientos arbitrarios de imágenes reales no relacionadas.
Regularización de la Trayectoria: Dado que la supervisión de los puntos finales por sí sola no restringe los estados intermedios ni garantiza una composición consistente, se introducen tres términos de regularización:
- Auto-ajuste de Flujo con Gradiente Detenido (SelfFM): Este transfiere el desplazamiento de los límites a las predicciones del campo intermedio. Al desvincular los gradientes de las velocidades de los límites, el modelo supervisa los estados intermedios a lo largo de la trayectoria inducida sin alterar simultáneamente el desplazamiento del punto final mediante el mismo objetivo.
- Cierre de Ciclo Discreto: Este restringe la composición de los mapas de puntos finales discretos hacia adelante y hacia atrás, asegurando que traducir una imagen hacia adelante y luego hacia atrás la devuelva cerca del original.
- Regularización de Velocidad de Trayectoria de Representación (RPV): Este mide los cambios de características de diferencia finita entre estados de trayectoria vecinos utilizando un codificador denso congelado (por ejemplo, VGG16). Controla los cambios de características localizados a lo largo de la trayectoria en el espacio de representación, evitando variaciones localizadas excesivas que podrían ocurrir incluso con una trayectoria recta en el espacio de píxeles.

Contribuciones Clave

Dinámica Unificada: El artículo introduce una formulación donde la traducción bidireccional está gobernada por un único modelo de transformación indexado por el tiempo, acoplando directamente los cambios hacia adelante y hacia atrás en lugar de depender de generadores separados o condicionamiento discreto.
Aprendizaje de Puntos Finales Adversariales para Flujo No Emparejado: Los autores proponen un método para construir trayectorias de flujo rectificado válidas para datos no emparejados mediante el aprendizaje de puntos finales deterministas condicionados por la fuente, cuyas marginales se igualan adversarialmente a los dominios de destino.
Regularización Integral: El marco integra el auto-ajuste de flujo con gradiente detenido, el cierre de ciclo y la regularización de velocidad de trayectoria de representación para asegurar la consistencia a nivel de estado intermedio, compositivo y perceptual.

Resultados
El método fue evaluado en diez direcciones de traducción a través de cinco pares de dominios (Verano/Invierno, Caballo/Cebra, Gato/Perro, Salvaje/Perro, Aéreo/Mapa).

Rendimiento: Utilizando un solo paso de evaluación de Euler ($NFE=1$), UniCycleFlow logró la menor Distancia de Fréchet Inception (FID) en 7 de 10 tareas. Obtuvo el mejor FID promedio de 55.1 y el mejor KID $\times$ 100 promedio de 2.107 en las diez direcciones.
Comparación: Estos resultados superan a bases sólidas como DCLGAN (FID promedio 62.6) y UNSB. Aumentar el presupuesto de integración a 5 pasos mejoró aún más el FID promedio a 54.2.
Ablación: Los experimentos confirmaron que el aprendizaje de puntos finales condicionados por la fuente proporcionó la mayor mejora sobre el flujo rectificado de emparejamiento independiente. La combinación de SelfFM, cierre de ciclo y RPV refinó progresivamente los resultados, con el modelo completo alcanzando las mejores métricas.

Significancia y Reclamaciones
El artículo afirma que UniCycleFlow proporciona un marco de flujo rectificado unificado para la traducción no emparejada bidireccional que organiza ambas direcciones dentro de la misma dinámica continua. Al reemplazar los emparejamientos arbitrarios por puntos finales aprendidos y condicionados por la fuente, y al imponer consistencia mediante la regularización a nivel de trayectoria, el método logra una traducción de alta calidad con una inferencia de un solo paso. Los autores señalan que, si bien el diseño actual utiliza un campo compartido determinista y no modela explícitamente salidas de uno-a-muchos, el enfoque ofrece una base sólida para la traducción que preserva la estructura. También reconocen limitaciones, como el potencial sesgo en la supervisión intermedia si las predicciones de los límites son inexactas al principio del entrenamiento, y la dependencia de RPV de la geometría de la representación congelada.