图像到图像转换的主要目的是把一个领域的图像转换到另一个领域。当前大部分研究主要聚焦在预定义领域的图像转换任务上。在论文《CSGAN: Cyclic-Synthesized Generative Adversarial Networks for Image-to-Image Transformation》中，研究人员提出一种新的做图像转换的循环合成生成式对抗网络（CSGAN），该网络使用了一个领域合成图像与另一领域循环图像之间的新型目标函数，也就是循环合成（CS）损失函数。研究人员对该网络在 CUHK 面部数据集和 CMP Facades 数据集两种数据集上的表现进行了评估。实验结果显示 CSGAN 技术在 CUHK 数据集上超越了测试中的其他所有方法，在 Facades 数据集上有相当好的表现。有关该论文的代码已经开源。