OT-CycleGAN的实现：由最优传输驱动的方法

简介：
本文介绍了基于最优传输理论的OT-CycleGAN模型的具体实现方法。该框架通过整合最优传输技术优化了数据生成过程，显著提升了图像转换的质量和效率，在多个实验中展现了优越性能。 OT-CycleGAN（最优传输驱动的 CycleGAN）用于逆问题无监督学习的最佳传输驱动 CycleGAN 的 Pytorch 实现，在自定义数据集上训练时应使用以下命令：`python train.py --data_path directory_for_custom_dataset --domain_A subdirctory_for_domain_A --domain_B subdirectory_for_domain_B --extension png`。实施细则中，`data_path` 应包含 `domain_A` 和 `domain_B` 作为其子目录。扩展名应能够用 numpy.load 或 SimpleITK.ReadImage 打开；如果这些函数不支持您的文件扩展名，请进行相应修改。此外，normalize 参数仅支持 minmax、tanh、CT 和 None 四种选项之一。