Contrast GAN--- 实现CycleGAN无法实现的“眼一瞎, 猫变狗”，“手一抖，单车变摩托”

可以看到，猫变狗，单车变摩托了。效果看上去有点尴尬，但毕竟是初步效果是有了。
但这篇论文的主要贡献是提出了一个“Contrast distance”。

主要思想

我要从小猫变小狗，变的小狗与真实像狗要像，但是到底像到什么程度呢？输入是猫，那么起码生成的小狗，与真实的小狗的相像程度，要大于与其输入的猫的相像程度吧。其实就是一个triple loss的思想。我们要想生成的是狗，希望生成的狗输入真实狗的那一类，那么这两只狗的距离，肯定要小于生成的狗与输入的猫的距离。因为狗与猫是不同类，他们的距离属于类间距离。所以这种”Contrast distance”就相当于类间距离大于类内距离。

损失

对于G来说就有三个损失，除了最简单的 重建损失，还有GAN损失（用LSGAN来让稳定性高点），最后就是这里的重点 对比损失了。比较简单的就是下面这样写：

$$\|f_x\sim f_{y'}\| > \|f_{y'}\sim \bar{f_{y}}\|$$
因为我们要比较的距离不是直接在raw image上进行比较，起码是semantic上的距离吧。所以就用一个 Dc