图像到图像的翻译是将图像的特征从一个域转移并在另一个域中表示的任务。GAN 提供了一种端到端的方法来完成这项任务。在 Gans 之前，这些任务是单独完成的，主要使用经典的图像处理技术。使用了图像去噪、寻找照片边缘或使用网络结果连接各种图像等技术。

正如 P Isola 等所提到的。等人，在CycleGAN论文中，Hertzmann 等人。在他们的论文Image Analogies中，在单个输入输出训练图像对上采用了非参数纹理模型。

在Image Quilting for Texture Synthesis and Transfer中，作者使用现有的图像块并将它们缝合在一起。

在来自单个户外照片的一天中不同时间的数据驱动幻觉中，作者在这里将输入图像与与输入类似的延时视频的可用数据集进行比较，并找到输入图像时的帧和帧目标时间。他们使用局部仿射变换将输入图像的场景变为目标图像。

最近的工作集中在使用成对输入输出示例的数据集来学习翻译函数，使用 CNN 进行语义分割， 全卷积网络进行语义分割