💻 computer science

UniCycleFlow: Bidirectional Unpaired Image Translation with a Shared Rectified Flow

UniCycleFlow introduit un cadre de traduction d'images non appariées bidirectionnel qui unifie les transformations directes et inverses au sein d'un flux rectifié unique conditionné par le temps en apprenant des points finaux déterministes conditionnés par la source avec une correspondance marginale adversaire, atteignant ainsi des performances de pointe à travers de multiples tâches de traduction tout en préservant les structures spécifiques à la source.

Auteurs originaux : Xianhao Zhou, Jianghao Wu, Shaoting Zhang, Guotai Wang

Publié 2026-08-10

📖 9 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Xianhao Zhou, Jianghao Wu, Shaoting Zhang, Guotai Wang

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous soyez un maître traducteur, mais qu'au lieu de convertir des mots entre le français et l'anglais, vous traduisiez des mondes entiers. Vous voulez transformer la photo d'une prairie estivale en un paysage hivernal enneigé, ou un zèbre en un cheval, sans jamais avoir vu de paires d'images « avant et après » pour vous guider. C'est la frontière sauvage de la traduction d'images non appariées. Par le passé, les ordinateurs peinaient face à cela car ils ne savaient pas quelle fleur estivale spécifique devait devenir quel flocon de neige hivernal spécifique. Ils se contentaient souvent de deviner, ce qui produisait des amas flous ou des images qui perdaient leur forme originale. Pour corriger cela, les scientifiques ont généralement appris aux ordinateurs à jouer à un jeu d'« aller-retour » : traduire une photo d'été en hiver, puis essayer de la retraduire en été. Si le résultat final ressemblait à l'original, l'ordinateur avait bien travaillé. Mais cette méthode était comme vérifier si un trajet de bus en aller-retour vous ramène bien à la station ; elle ne garantissait pas que le bus ait pris un itinéraire fluide et logique entre les deux.

Entrez dans l'ère de UniCycleFlow, une nouvelle approche qui change la donne en traitant la traduction d'image non pas comme deux tâches séparées, mais comme un voyage unique et continu. Au lieu de construire deux traducteurs différents (un pour l'été vers l'hiver et un autre pour l'hiver vers l'été), cette méthode construit un seul « champ de vitesse » — imaginez une carte de vent universelle qui souffle dans les deux directions. Si vous voulez aller de l'Été à l'Hiver, vous laissez le vent souffler vers l'avant ; si vous voulez revenir, vous inversez simplement le vent. La principale découverte du papier est qu'en forçant les deux directions à suivre cette même carte de vent invisible, l'ordinateur apprend à préserver la structure de l'image originale bien mieux qu'auparavant. Les auteurs ont mesuré cela en testant dix tâches de traduction différentes (comme transformer des chats en chiens ou des cartes aériennes en vues de rue) et ont constaté que leur méthode produisait les images les plus claires et les plus réalistes avec le moins d'erreurs, atteignant un score de tête de 55,1 sur un test de qualité standard appelé FID. Ils ont également montré que même si vous demandez à l'ordinateur de faire un seul grand pas au lieu de plusieurs petits pas, le résultat est toujours excellent, prouvant que le chemin est incroyablement droit et efficace.

Le Problème : Le Piège de l'« Appariement Aléatoire »

Imaginez que vous essayiez d'apprendre à un robot comment transformer l'image d'un cheval en un zèbre. Le robot possède une boîte de photos de chevaux et une boîte de photos de zèbres, mais elles ne sont pas associées. Si vous prenez simplement un cheval au hasard et un zèbre au hasard et dites au robot : « Transforme ce cheval en ce zèbre », le robot est confus. Il pourrait essayer de transformer les jambes du cheval en rayures de zèbre, ou pire, il pourrait essayer de transformer la tête du cheval en queue de zèbre parce que les deux animaux sont dans des poses différentes. Le robot finit par apprendre un mélange désordonné de « comment changer un cheval » et de « comment changer une pose spécifique », ce qui donne une créature étrange et déformée.

Les méthodes précédentes tentaient de corriger cela en construisant deux robots distincts : un pour aller de A vers B, et un autre pour aller de B vers A. Ils vérifiaient si le robot pouvait faire A → B → A et revenir à l'image originale. Bien que cela ait aidé, c'était comme vérifier si un conducteur pouvait revenir au point de départ ; cela ne garantissait pas que le conducteur emprunte la même route dans les deux sens. Les deux robots pouvaient prendre des chemins complètement différents et sinueux qui se contentaient de commencer et de finir aux bons endroits.

La Solution : Un Seul Vent, Deux Directions

Les auteurs de ce papier, UniCycleFlow, ont décidé de ne plus construire deux robots. À la place, ils ont construit un seul et unique champ de vent (un « champ de vitesse ») qui existe dans un espace partagé entre les deux mondes.

Considérez le temps comme une règle. Au tout début de la règle (temps 0), vous avez votre image source (comme un cheval). À la toute fin (temps 1), vous avez l'image cible (comme un zèbre). Le « vent » souffle du temps 0 vers le temps 1.

Pour aller de Cheval → Zèbre, vous laissez simplement le vent souffler vers l'avant.
Pour aller de Zèbre → Cheval, vous inversez simplement le vent et soufflez vers l'arrière, du temps 1 vers le temps 0.

Parce qu'il s'agit du même champ de vent, les règles pour transformer un cheval en zèbre sont exactement les mêmes que les règles pour transformer un zèbre en cheval, mais à l'envers. Cela force l'ordinateur à apprendre un ensemble de règles unique et cohérent pour la transformation, plutôt que deux ensembles de règles distincts et conflictuels.

Le Tour de Magie : Apprendre la Bonne Destination

Voici la partie délicate : puisque l'ordinateur n'a pas de paires correspondantes, comment sait-il quel cheval spécifique doit se transformer en quel zèbre spécifique ? S'il se contente de deviner, il commettra toujours l'erreur d'appariement aléatoire dont nous avons parlé plus tôt.

UniCycleFlow résout cela avec une astuce ingénieuse appelée appariement de frontière antagoniste (adversarial boundary matching). Au lieu de forcer l'ordinateur à faire correspondre un cheval spécifique à un zèbre spécifique du jeu de données, l'ordinateur apprend à créer sa propre destination parfaite.

L'ordinateur regarde un cheval et dit : « Je vais créer un zèbre qui ressemble exactement à un vrai zèbre. »
Il crée un faux zèbre.
Un « juge » (un discriminateur) regarde le faux zèbre et les vrais zèbres. Si le juge peut les distinguer, l'ordinateur réessaie.
Une fois que le juge ne peut plus faire la différence, l'ordinateur a trouvé un « appariement parfait » pour ce cheval spécifique, même s'il ne figurait pas dans le jeu de données d'origine.

Désormais, l'ordinateur a un chemin clair : Cheval → Zèbre Faux Parfait. Il trace une ligne droite entre eux et apprend le vent nécessaire pour parcourir cette ligne. Parce que la destination a été créée spécifiquement pour cette source, le chemin est propre et logique, évitant la confusion des appariements aléatoires.

Assurer la Fluidité du Voyage

Savoir simplement les points de départ et d'arrivée ne suffit pas. L'ordinateur doit s'assurer que le voyage au milieu est fluide et ne déforme pas l'image de manière étrange. Les auteurs ont ajouté trois filets de sécurité pour garantir que le chemin soit parfait :

Auto-correspondance de flux (Self-Flow Matching) : Imaginez que l'ordinateur marche le long du chemin. Il vérifie ses propres pas pour s'assurer que le vent est cohérent. Si le vent change soudainement de direction au milieu du voyage, l'ordinateur se corrige. Cela garantit que le chemin est une ligne droite, et non un désordre de zigzags.
Fermeture de Cycle (Cycle Closure) : C'est la vérification de l'« aller-retour », mais en plus intelligent. L'ordinateur fait Cheval → Zèbre → Cheval et vérifie s'il revient exactement là où il a commencé. Si les deux étapes ne s'annulent pas parfaitement, l'ordinateur apprend à corriger le champ de vent pour que la boucle se ferme hermétiquement.
Régularisation de la Vitesse du Chemin de Représentation (Representation Path-Velocity Regularization) : C'est la vérification la plus subtile. Parfois, une image peut paraître correcte, mais le « ressenti » de l'image change trop au milieu. Par exemple, la texture de la fourrure peut devenir trop floue avant de s'affiner à nouveau. L'ordinateur utilise un « œil » figé (un encodeur pré-entraîné) pour observer l'image à chaque petite étape du voyage. Il s'assure que les caractéristiques (comme la texture de la fourrure ou la forme de l'œil) changent lentement et régulièrement, plutôt que de sauter de manière erratique.

Les Résultats : Une Image Plus Claire

Les auteurs ont testé cette nouvelle méthode sur dix tâches de traduction différentes, incluant la transformation de l'été en hiver, des chevaux en zèbres, et des chats en chiens. Ils ont comparé leurs résultats à de nombreuses autres méthodes célèbres.

Les résultats sont impressionnants. Lorsque l'ordinateur est autorisé à faire un seul et unique pas (une « inférence en une étape ») pour traduire l'image, UniCycleFlow obtient le meilleur score (l'erreur la plus faible) dans 7 des 10 tâches. Son score moyen sur l'ensemble des dix tâches est de 55,1, ce qui est supérieur à la meilleure méthode précédente (DCLGAN) qui a obtenu 62,6.

Plus surprenant encore, la méthode fonctionne presque aussi bien que l'ordinateur fasse un seul pas géant ou cinq petits pas. Cela suggère que le chemin appris par l'ordinateur est si droit et direct qu'il n'a pas besoin de faire de petits pas prudents pour y arriver. Il peut simplement bondir de la source vers la cible avec confiance.

Pourquoi Cela Importe

UniCycleFlow montre que nous n'avons pas besoin de construire des systèmes complexes et séparés pour chaque direction de traduction. En traitant la transformation comme un voyage unique et continu régi par un seul ensemble de règles, nous pouvons obtenir des résultats plus clairs et plus stables. C'est comme réaliser que pour aller de la maison à l'école et revenir, vous n'avez pas besoin de deux cartes différentes ; vous avez juste besoin d'une bonne carte et de la capacité de la parcourir en sens inverse. Cette approche permet non seulement d'économiser de la puissance de calcul, mais elle garantit également que l'« histoire » de l'image reste cohérente, quel que soit le sens du voyage.

Résumé technique de UniCycleFlow

Définition du problème
La traduction d'images non appariées bidirectionnelle cherche à transformer des images entre deux domaines visuels sans paires source-cible alignées. Un défi central dans ce contexte est de préserver la structure spécifique de l'image source tout en apprenant des transformations cohérentes dans les deux directions. Les méthodes existantes reposent généralement sur deux générateurs spécifiques à chaque direction ou sur des modèles unidirectionnels distincts liés par une cohérence de cycle. Bien que les objectifs de cycle imposent la reconstruction des points terminaux, ils n'exigent pas que les deux directions respectent une règle de transformation locale commune. De plus, les formulations de flux rectifié standard, qui construisent des chemins d'interpolation à partir de couplages de points terminaux prescrits, échouent dans les contextes non appariés car l'échantillonnage indépendant d'images réelles de deux domaines mélange le décalage de domaine souhaité avec des différences arbitraires de contenu, de pose et de disposition spatiale, résultant en des cibles de vitesse mal alignées.

Méthodologie
Les auteurs proposent UniCycleFlow, un cadre qui modélise la traduction bidirectionnelle comme l'intégration directe (forward) et inverse (reverse) d'un champ de vitesse unique conditionné par le temps, $v_\theta(x, t)$ , plutôt que d'utiliser des générateurs séparés.

Dynamique temporelle partagée : Les deux domaines sont assignés aux extrémités opposées d'un intervalle temporel ( $t=0$ pour le domaine A, $t=1$ pour le domaine B). La traduction est réalisée en intégrant le même champ de vitesse vers l'avant ( $A \to B$ ) ou vers l'arrière ( $B \to A$ ). Le réseau prédit toujours la vitesse dans une orientation canonique $A \to B$ ; la direction est déterminée uniquement par le signe de l'incrément de temps lors de l'intégration d'Euler.
Construction de points terminaux conditionnés par la source : Pour remédier à l'absence de couplage significatif entre source et cible dans les données non appariées, UniCycleFlow apprend des points terminaux déterministes pour chaque image source. Au lieu de coupler une source avec une image réelle échantillonnée indépendamment, le modèle génère un point terminal cible $\hat{x}_B$ à partir de $x_A$ (et vice versa). Les distributions marginales de ces points terminaux générés sont mises en correspondance de manière adversaire avec les domaines opposés à l'aide de discriminateurs PatchGAN. Cela crée des trajectoires droites spécifiques à la traduction $(x_A, \hat{x}_B)$ et $(\hat{x}_A, x_B)$ sans dépendre de couplages arbitraires d'images réelles sans rapport.
Régularisation de la trajectoire : Puisque la supervision des points terminaux seule ne contraint pas les états intermédiaires ni ne garantit une composition cohérente, trois termes de régularisation sont introduits :
- Auto-correspondance de flux avec arrêt de gradient (SelfFM) : Cela transfère le déplacement de la frontière aux prédictions de champ intermédiaires. En détachant les vitesses frontières, le modèle supervise les états intermédiaires le long du chemin induit sans modifier simultanément le déplacement du point terminal via le même objectif.
- Fermeture de cycle discrète : Cela contraint la composition des cartes de points terminaux directes et inverses, garantissant que traduire une image vers l'avant puis vers l'arrière permet de revenir proche de l'original.
- Régularisation de la vitesse de chemin de représentation (RPV) : Cela mesure les changements de caractéristiques par différences finies entre des états de trajectoire voisins en utilisant un encodeur dense gelé (par exemple, VGG16). Cela contrôle les changements de caractéristiques localisés le long de la trajectoire dans l'espace de représentation, empêchant les variations localisées excessives qui pourraient survenir même avec un chemin droit dans l'espace des pixels.

Contributions clés

Dynamique unifiée : Le papier introduit une formulation où la traduction bidirectionnelle est régie par un modèle de transformation unique indexé par le temps, couplant directement les changements directs et inverses plutôt que de s'appuyer sur des générateurs séparés ou une conditionnalité discrète.
Apprentissage de points terminaux par confrontation pour le flux non apparié : Les auteurs proposent une méthode pour construire des trajectoires de flux rectifié valides pour les données non appariées en apprenant des points terminaux déterministes, conditionnés par la source, dont les marginales sont mises en correspondance de manière adversaire avec les domaines cibles.
Régularisation complète : Le cadre intègre l'auto-correspondance de flux avec arrêt de gradient, la fermeture de cycle et la régularisation de la vitesse de chemin de représentation pour assurer la cohérence aux niveaux intermédiaire, compositionnel et perceptuel.

Résultats
La méthode a été évaluée sur dix directions de traduction à travers cinq paires de domaines (Été/Hiver, Cheval/Zèbre, Chat/Chien, Sauvage/Chien, Aérien/Carte).

Performance : En utilisant une seule étape d'évaluation d'Euler ($NFE=1$), UniCycleFlow a obtenu la FID la plus basse sur 7 des 10 tâches. Il a obtenu la meilleure FID moyenne de 55,1 et le meilleur KID $\times$ 100 moyen de 2,107 sur l'ensemble des dix directions.
Comparaison : Ces résultats surpassent des bases solides telles que DCLGAN (FID moyenne de 62,6) et UNSB. Augmenter le budget d'intégration à 5 étapes a permis d'améliorer davantage la FID moyenne à 54,2.
Ablation : Les expériences ont confirmé que l'apprentissage de points terminaux conditionnés par la source apportait l'amélioration la plus importante par rapport au flux rectifié à paires indépendantes. La combinaison de SelfFM, de la fermeture de cycle et de RPV a affiné progressivement les résultats, le modèle complet atteignant les meilleures métriques.

Signification et affirmations
Le papier affirme qu'UniCycleFlow fournit un cadre de flux rectifié unifié pour la traduction non appariée bidirectionnelle qui organise les deux directions au sein d'une même dynamique continue. En remplaçant les couplages arbitraires par des points terminaux déterministes conditionnés par la source et en imposant la cohérence par une régularisation au niveau de la trajectoire, la méthode permet d'obtenir une traduction de haute qualité avec une inférence en une seule étape. Les auteurs notent que, bien que la conception actuelle utilise un champ partagé déterministe et ne modélise pas explicitement des sorties de type "un-vers-plusieurs", l'approche offre une base solide pour la traduction préservant la structure. Ils reconnaissent également des limites, telles que le biais potentiel dans la supervision intermédiaire si les prédictions frontières sont inexactes au début de l'entraînement, et la dépendance de RPV vis-à-vis de la géométrie de la représentation gelée.