cGAN 不用手动设计损失函数,模型可以学习一个损失函数,使得一个模型可以被应用到不同的任务中。 在每一个图像迁移的任务中,使用同一个损失函数和网络模型,就可以应用到不同的数据集上。 图像迁移的低级做法:使用欧式距离作为损失函数,但欧式距离会统计所有置信输出的平均值,所以会造成图像模糊。 图像迁移的高级做法:使用GAN,只要将生成的图片与真实图片尽可能接近就可以了。 本文方法 传统的GAN使用随机噪声z来训练一个生成器实现迁移任务: G : z − > y G: z->y G