Contrastive Learning for Unpaired Image-to-Image Translation（CUT）是发布于2020年ECCV的一篇关于图像风格转换的文章。本文最大的特点就是将目前大热的对比学习应用到了图像风格转换问题上来，实现了一种轻量级的图像风格转换模型，并且本文可以进一步实现单张图片之间的风格转换。文章切入点无配对图像风格转换领域近些年来最成功和最经典的模型无疑

背景图像去噪声是图像生成领域经典的病态问题。以往的图像去噪模型通常需要将噪声图像xix_ixi​和对应的干净图像yiy_iyi​成对输入网络中对网络进行训练：argmin⁡θ∑iL(f(xi,θ),yi)(1)arg\min_{\theta}\sum_iL(f(x_i,\theta), y_i )\tag{1}argθmin​i∑​L(f(xi​,θ),yi​)(1)其中θ\thetaθ代表需要优