论文:Progressive Growing of GANs for Improved Quality, Stability, and Variation(2017.10) 作者:Tero Karras, Timo Aila, Samuli Laine, Jaakko Lehtinen 链接:https://arxiv.org/abs/1710.10196 代码:…
1. 概述
在真实数据超分任务上,从SRGAN开始,Loss函数基本是Pixel loss GAN loss Perceptual loss的组合。
与生成任务不同,对于超分这种复原任务,如果只使用Gan loss或者GAN loss的权重比较大的话,效果就比较差。 …