目录
用GAN使模糊图片变清晰(ECCV2018)
g: resnet+反卷积
7x7conv,3x3conv,9个resblock,再接convtranspose(反卷积)
d: 简单的cnn
loss：adversarial_loss + lambda * content_loss
content_loss: 生成的图片和真实图片过vgg，得到第一层的输出，算perceptual loss(本质是l2 loss)
adversarial_loss: wasserstein distance
数据集：gopro有1k数据，成对的数据：效果好，但会产生伪影和亮点。因为都是运动图片
还会生成一些棋盘图（相邻像素灰度值一个高一个低）==》因为图片size不同，所以在采样时会出现重叠，然后在重叠处==》把一个反卷积改成上采样(邻近插值)
参考Deconvolution and Checkerboard Artifacts
pytorch的修改方式参考：
用nn.UpsamplingNearest2d(scale_factor=2)替换nn.ConvTranspose2d(ngf * mult, int(ngf * mult / 2)