DCLGAN

无需配对数据，双对比学习实现高质量图像翻译

DCLGAN 是一个基于 PyTorch 的无监督图像到图像翻译框架，源自 CVPRW 2021 论文《Dual Contrastive Learning for Unsupervised Image-to-Image Translation》。它通过双对比学习机制，在不依赖成对训练数据的情况下，学习两个视觉域之间的映射关系，实现风格迁移、物体变形等任务。核心能力包括：利用对比学习拉近源域与目标域中对应图像块的特征，同时保持内容结构的一致性；支持多尺度特征提取，提升生成图像的细节保真度；提供预训练模型和测试脚本，便于快速复现论文结果。项目代码结构清晰，基于 CycleGAN 框架扩展，适合研究者对比实验或开发者二次开发。