【论文解读】CVPR：Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks

1 论文简介

该论文提供了一个较为通用的框架，只要是风格转移等类似于图像上的色彩有不同的域的转换，使用论文提供的框架都会有很好的效果

2 论文的贡献

1，突破以往训练的训练集必须使用对齐图像的局限性
2，提供了非常好的框架进行图像域的迁移学习
3，新颖的网络结构以及损失函数

3 数据集

该论文的数据集并不需要两张能够按照像素对齐的图像对，只需要按照自己的需求（艺术目的等）进行训练即可

4 网络结构（及loss函数都是从代码方面看的）

首先看一下论文使用残差块（由卷积层和批量标准化归一层交迭组成）

class ResidualBlock(nn.Module):
    def __init__(self, in_features):
        super(ResidualBlock, self).__init__()

        self.block = nn.Sequential(
            nn.ReflectionPad2d(1),
            nn.Conv2d(in_features, in_features, 3),
            nn.InstanceNorm2d(in_features),
            nn.ReLU(inplace=True),
            nn.ReflectionPad2d(1),
            nn.Conv2d(in_features, in_features, 3),
            nn.InstanceNorm2d(in_features),
        )