PerceptualLosses：Perceptual Losses for Real-Time Style Transfer and Super-Resolution

本文提出了风格迁移中一种重要的损失函数，感知损失，使得模型生成的图片和目标风格更像
图 A + 图 B-> 图 A 参考图 B 风格，图生图

什么是 PerceptualLosses ？

• 
• 风格迁移经典文章 StyleTransfer] 的改进篇，解决了模型迭代优化的问题，直接进行 end-to-end 训练，加速了模型训练过程

PerceptualLosses 的损失函数？

• 
• PerceptualLosses 网络是一个简单的 DCGAN 的思路，使用 GAN 生成目标风格图片 $\hat y$ 后，通过 VGG-16 计算风格损失与内容损失
• 内容损失：首先计算 $\hat y,y_c$ 在 relu 3_3 的输出，然后计算两个输出的 MSE 损失
• 风格损失：首先计算 $\hat y,y_s$ 在 VGG-16 不同层的输出，然后计算输出的 Gram 矩阵，并通过 MSE 计算两个矩阵的差异，实现风格损失的计算

参考：

1. Perceptual Loss: 提速图像风格迁移 1000 倍 - 知乎
2. 【精选】【损失函数：3】感知损失：Perceptual Loss、总变分损失（TV Loss）（附 Pytorch 实现）_NorthSmile 的博客 - CSDN 博客
3. 感知损失 (Perceptual Losses) - 知乎
4. (高能预警！) 为什么 Gram 矩阵可以代表图像风格？带你揭开图像风格迁移的神秘面纱！_gram 矩阵得到图像风格 - CSDN 博客