Image-to-Image Translation Using Conditional Adversarial Networks
1：
pix2pix也是CGAN的一种，pix2pix可以学习输入到输出的映射，同时也学习了损害函数去训练这个映射。这是一个大一统的方法去实现从标签合成图像，从边界图重建物体，给图片上色等。
传统的方法对每一个上述任务都有一个特定的模型设计，损失函数设计等。本文设计的commom framwork可以实现所有的从像素预测像素的问题。
模型设计也借助了CNN这个工具，并且希望CNN可以按我们希望的那样来做，本文使用CGAN的思想，给输入添加条件，产生一个相应的输出。pix2pix生成器采用U-Net，辨别器采用PatchGAN。
2：
CGAN的目标函数：

将辨别器D的条件去掉后，目标函数就变为：

之前方法发现GAN和一个传统的损失结合效果更好，比如L2，辨别器的作用不变，生成器不仅要骗过辨别器还要尽可能接近GT。L1损失相比于L2损失可以产生更少的模糊：

如果没有z，那么网络就会产生确定的输出，就不能匹配数据的任意分布了。CGAN使用的噪声z输入到G中，但是在作者实验中发现这种策略并不是很有效。生成器会忽略这个噪声，因此作者使用dropout在训练和测试应用于生成器的前几层。
3：
网络结构：
3.1：带有跳跃连接生成器
输入和输出尽管在表面不相同但是他们都共享内在的结构，因此输入结构和和输出结构大致是对齐的。多数方法采用的encoder-decoder结构使信息流过所有的层，作者还添加了跳连接，可以将encoder的细节等信息引入到decoder中。
3.2：PatchGAN：
L2损失和L1损失在图像生成时产生模糊的结果，尽管这些损失不能够恢复高频细节，但是却能够捕捉低频细节。

因此需要限制GAN辨别器不仅可以建模高频结构，而且需要依赖L1矫正低频。为了建模高频，我们需要将注意力放在局部图像块，因此我们设计了辨别器PatchGAN，辨别器尝试分类每一个NXN的块是否是真或假。平均每一个patch的结果产生最终的输出。
4：
优化和推理：
在推理阶段使用和训练一样的方法，使用batchnorm，如果batchsize为1，那么bn就变为instancenorm。测试/推理设置在测试时候不能使用model.eval，因为那样会固定所有神经元就无法随机dropout来增加随即性。
5：
实验：

5.1评价指标：
AMT
FCN-score：用于lable-photo映射，将映射的图片输入到FCN中，产生的labelmap和真实的GT进行计算。

5.2：目标函数分析：