图像到图像转换方法可以应用在很多计算机视觉任务中，比如图像分割、图像修复、图像着色、图像超分辨率、图像风格（场景）变换等都属于图像到图像转换的应用范畴。那到底什么是图像到图像的转换呢？

我们看到一只站着的老虎时，自然很容易就能想象出它躺着的样子，这就是图像到图像的转换，即将一个场景的可能表示转换成另一个场景。然而我们能够想像出来是因为我们拥有联想的能力，可以根据其他动物平躺的姿势想像出老虎平躺的样子，然而对于机器来说就不那么简单了。

现有的基于无监督学习方法的图像到图像转换模型，依赖于大量的训练数据，并且模型转换的对象必须是训练数据中已有的对象类型，达不到想像创造的能力。2019年5月，NVIDIA研究院提出了一种基于少量样本的无监督学习图像到图像转换模型，仅通过少量样本的训练，即可实现图像到图像的转换，并且可以生成训练数据中不存在的类别，达到＂一图生万物＂的效果。

8月20日13点，刘洺堉老师将带来NVIDIA研究院系列第二讲——无监督学习公开课。他将解析无监督学习在图像转换领域的创新和应用，主题为《如何利用少样本无监督学习实现高质量图像转换》，内容包括无监督学习的发展现状、无监督学习在图像转换领域的的应用和创新、少样本无监督图像转换FUNIT（Few-Shot Unsupervised Image-to-Image Translation）模型的实现和应用。