Pix2Pix提出了一种图图转换问题的通用框架，通过结合CGAN(conditional GAN， 条件式生成对抗网路，实现源域到目标域的图像翻译
1、Pixel2Piexl原理
1.1 网络结构
自动图图转换任务被定义为：在给定充足的数据下，从一种场景转换到另一种场景。从功能实现上来看，网络需要学会“根据像素预测像素”（predict pixels from pixels）。
CNNs的研究已经给图图转换问题提供了一种简便的思路，比如设计一个编码解码网络AE，AE的输入是白天的图像，AE的期望输出是黑夜的图像。那么可以使用MSE损失，来最小化网络输出的黑夜图像和真实黑夜图像之间的差异，实现白天到黑夜的图图转换。
然而，CNN需要我们去设计特定的损失函数，比如使用欧氏距离会导致预测的图像出现模糊。所以，需要去设计一种网络，这种网络不需要精心选择损失函数。因此作者设计出了下面的Pix2Pix网络：
Pix2Pix和原始GAN的想法很类似，分生成器G和判别器D讨论：
（1）生成器G的目的是“fool”判别器，也就是希望判别器把自己伪造的图片当作是真的。生成器的输入是x，输出就是其伪造图片G（x）；
（2）判别器D的目的是正确的区分真实样本和伪造样本。