知识点小记

GAN

判别器D->全卷积层生成w×h的概率层

优点：减少误差；通用性更强，使用更灵活（w,h可变，不用固定图片size)
出处：Learning from Simulated and Unsupervised Images through Adversarial
Training
示意图：

Perceptual Losses

优点：不同于pixel损失，单纯对应位置的损失，若平移则loss大，其损失是通过已训练的VGG16网络中间的激活层输出得到的。
缺点：单独使用由于局部最值问题,到达不在数据结构内的位置，容易构成artifacts.需与对抗损失函数一起使用。
出处：Perceptual Losses for Real-Time Style Transfer and Super-Resolution

Total Variation Regularization

出处：Edge-preserving and scale-dependent properties of total variation regularization
用处：用于去噪、反卷积、图像修复,减少 spike artifacts