每日论文image-to-Image Translation with Conditional Adversarial Networks

1. 1. 这篇文章设计一个有条件的GANs,文中的loss function 用了L1与ground truth距离而不是L2,减少了模糊。
   2. 文中还用了skips，避免遇到网络结构上的瓶颈丢失了输入图像的重要信息。
   3. 在判别器上，为了使得图像能高频化，文中将图片变成局部块，这样判别器只是惩罚局部的块，至于连接就用到了另一篇论文的思想，随机马尔代夫方法连接。
   4. 为了更好优化网络，一步D，一步G，用最小SGD和Adam solver方法。