contrastive-unpaired-translation

收录理由

这是 CUT 方法的 PyTorch 官方实现，出自 ECCV 2020。它用基于图像块的对比学习目标（PatchNCE）替代了 CycleGAN 中的循环一致性损失，从而在无配对图像翻译任务中显著加快训练速度并降低显存占用。当面对大规模且没有对应关系的照片集时，这种效率优势尤为明显。项目还支持单图像模式，允许每个“域”仅由一张图片构成，适合对单个源图像做风格化处理。代码结构清晰，便于直接运行，常用于风格迁移、域适应或数据集重标注等场景。仓库提供了预训练权重和常见数据集的启动脚本，可以复现论文结果，也能将生成器作为自定义流程的基础模块。