在普通图像 GAN 中，生成器接收随机噪声并生成图像。如您所见，输入和输出之间没有“视觉关系”。

在循环 GAN 中，生成器接收图像并生成另一个图像。这个想法是输入图像是域 A，输出图像是输入图像到域 B 的“翻译”。但是，以普通 GAN 的经验，为什么“翻译的图像”与原来的？如果不存在循环一致性损失，则生成器可以简单地在目标域中生成与输入完全无关的图像，判别器就可以了。

循环一致性损失的作用是确保生成的输出图像实际上是输入图像的一个版本，其中域是什么变化，但“内容”保持不变。