生成对抗：Pix2Pix

cGAN : Pix2Pix

  生成对抗网络还有一个有趣的应用就是，图像到图像的翻译。例如:草图到照片，黑白图像到RGB，谷歌地图到卫星视图，等等。Pix2Pix就是实现图像转换的生成对抗模型，但是Pix2Pix中的对抗网络又不同于普通的GAN，称之为cGAN，全称是：conditional GAN。

cGAN和GAN的区别：

• 传统的GAN从数据中学习从随机噪声向量$z$到真是图像$y$的映射:$G(z)\to y$
• 条件GAN学习的是学习从输入图像$x$和随机噪声$z$到目标图像$y$的映射:$G(x,z)\to y$
• 传统的GAN中判别器只根据真实或生成图像辨别真伪：$D(y)$ | $D(G(x))$
• 条件GAN中判别器还加入了，观察图像$x$：$D(x,y)$ | $D(x,G(x,z))$
• 在cGAN中，生成器损失中又增加了${\mathcal{L}}_1$损失

cGAN的Loss

$${\mathcal{L}}_{cGAN}(G,D)=E_{x,y}[logD(x,y)]+E_{x,z}[log(1-D(x,G(x,z))]$$

$${\mathcal{L}}_{L1}(G)=E_{x,y,z}[||y-G(x,z)|{|}_1]$$

$$G^{\ast }={argmin}_{G}ma{x}_D{\mathcal{L}}_{cGAN}(G,D)+\lambda {\mathcal{L}}_{L1}(G)$$