图像到图像的转换是一类视觉与图形问题，其目标是利用成对的图像训练数据，学习从输入图像到输出图像的映射关系。然而，在许多任务中，成对的训练数据难以获取。本文提出一种在缺乏成对样本的情况下，将图像从源域 $X$X 转换到目标域 $Y$Y 的方法。我们的目标是学习一个映射函数 $G: X \rightarrow Y$G:X→Y，使得生成图像 $G(X)$G(X) 的分布与目标域 $Y$Y 的分布在对抗性损失的约束下无法区分。由于该映射本身高度欠约束，我们引入一个逆映射 $F: Y \rightarrow X$F:Y→X，并通过循环一致性损失强制满足 $F(G(X)) \approx X$F(G(X))≈X（反之亦然）。我们在多个不存在成对训练数据的任务上展示了定性结果，包括风格迁移、物体形态转换、季节转换、照片增强等。与多种先前方法的定量对比表明，本文提出的方法具有显著优势。