Image-to-Image Translation with Conditional Adversarial Networks_201611
P Isola, JY Zhu, T Zhou, AA Efros - arXiv preprint arXiv:1611.07004, 2016 - arxiv.org
被引用次数：349 https://arxiv.org/pdf/1611.07004
pytorch实现：https://github.com/sunshineatnoon/Paper-Implementations
图1：图像处理，图形和视觉中的许多问题就是把一幅输入图像转换为输出图像。在每一个情形下，我们使用相同的结构和目标，并且简单地训练在不同的数据上。
图4：说明了不同的loss损失函数下，有着不同的输出结果。其中L1能够看出，保留相当多的低频信息。
图5：可以看出，如果生成模型拥有着类似UNet的skip connections，那么可以看出输出结果将有更高质量的结果。
图6：说明patch大小的变化。
图10：把cGAN应用到语义分割上。