目录
1.特征匹配损失
其中,中的k主要为了对高分辨率进行的多尺度进行判别,k=1,2,3表示为原图、2倍下采样、4倍下采样,(解决了为区分高分辨率图的真假,判别器需要更大的感受野,即需要更深的网络和更大的卷积核的问题)。T为总共的层数,Ni为每层的elements数。
该损失【1】能够稳定训练。因为生成器必须在多个尺度上生成符合实际的统计数据。
从真假图像的不同尺度中提取特征,并进行“匹配”,使用的是L1 loss。
2. 感知损失
https://arxiv.org/pdf/1603.08155.pdf
解释:
————————————————————————————————————
注:
————————————————————————————————————
3.特征匹配损失英文
4.参考文献
【1】High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs https://arxiv.org/pdf/1711.11585v1.pdf
【2】Perceptual Losses for Real-Time Style Transfer and Super-Resolution https://arxiv.org/pdf/1603.08155.pdf
————————————————————————————————————