首次将GAN用于语义分割，用于辨别分割图是来自GT还是来自分割网络。作者的想法来自借助GAN可以检测和矫正GT和模型分割图的高阶不一致。最后在Standford和PASCAL VOC 数据集上验证了想法。
对抗学习：
使用两个权重和的混合损失函数进行优化，第一个是多类别交叉熵优化分割模型，使用S(x)，表示类别c的概率图，第二个损失基于辅助对抗卷积网络，如果辨别器可以分辨出真实的标签和分割模型输出的标签，那么它就会很大。因为对抗CNN认为整个图片或者图片的一部分，和高阶的标签统计不匹配。
我们使用a(x,y)∈[0,1]表示对抗模型预测y是x的标签而不是由分割模型输出s()的标签的概率。
给出数据Xn，对应的标签Yn，损失定义为：

原始GAN的损失为：

看第一项：标签与经过segment模型的输出进行损失计算，即为不加对抗网络的损失，也即为加了对抗网络的生成器损失。

第二项：按理讲就是判别器损失了，判别器中我们知道需要输入的是原始的x和生成的S(x)。

a()输入的是原始图片Yn是Xn GT的概率越大越好，输入的是分割后的S（Xn），则是Xn GT的概率越小越好。
最小化分割模型损失是为了让模型分割的更准确，最大化对抗模型损失是为了让对抗模型辨别的更准确。

训练对抗模型：

训练分割模型：这里多了一个正则化项，解释为在训练分割模型时候还要降低对抗模型的表现。我们最小化分割模型的损失，根据公式我们要最大化λLbce，λLbce表示的是将分割模型输出的结果预测为真实标签的概率，我们希望他为0，如果要最大化，则将分割模型输出的结果预测为真实标签的概率最大，可以替换为将分割模型输出的结果预测为真实标签的概率希望他为1。随着模型训练，我们希望分辨器将分割模型的输出预测为x真实标签的概率为1的损失最小，就与前面的mce损失一致。

根据描述我们可以画出模型框图：

在两个数据集采用不同的模型：
在Standford Background数据集上，对抗模型输入为label map和对应的RGB，label map或者是真实的GT或者是分割输出的mask。两个分支分别处理RGB和label map，每一个输入信号的通道是一样的为64，然后两个信号传入一系列的卷积和池化层。紧接着一个sigmoid输出binary class的概率。
在Pascal Voc上使用了三种变体：Basic(使用分割的label map)，Product（使用真实的GT），Scaling。在实验时候采用两种结构：
LargeFOV：label map的大小为34x34.
smallFOV：label map的大小为18x18.
结果：