pixel2pixel HD

很强！高分辨率！轮廓输入得到多种结果！还能修改图像！
传统的pixel2pixel只能生成分辨率比较低的图片，如果直接上到256*256，效果不好

1. 把generator分解成两个子网络：全局网络和局部增强网络
   • 全局网络稳定生成1024*512的图像
   • 增强网络用于把像素翻倍，类似于PGGAN。
2. 多尺度discriminator
3. feature loss
   • 与PPGN不同的是，feature的提取来自的dicriminator（论文里取了中间三个层输出的和）
4. 利用instance map
   • 即获取图中物体的边界，对于生成连在一起的物体有很好的效果
5. 添加自编码器学习特征
   • 由于同一类型到具体图像实例的映射是一个一对多的问题，如果只输入一个类型，对多样性不会有太大的帮助，所以作者对输入的语意图训练了一个自编码器。编码会和图片某一个实例类型一同输入生成器。并且在编码器提取的特征后面（feature_num,width,height），对图中的每个对象实例取了一个均值，并替代成该实例上所有像素点的特征值。按论文里的意思，这个应该实例级别的编码，比如图上有M辆车，就分别对每辆车都编码一次。
   • 在最后，对着M辆车的编码做一个K-means，用来得到K个候选的编码，生成图片的时候就选其中的一个编码作为输入