StarGAN v2: Diverse Image Synthesis for Multiple Domains 2020-08-13

这篇博客已经很详细了，直接拿来引用一下

https://blog.csdn.net/qq_26020233/article/details/106001703

star-GAN 采用输入一个onehot 编码来实现多域之间的转换，但是这种确定的标签并不能反映真实多域的数据分布。在这篇文章中，作者泛化了对域和风格的定义，采用一个mapping network 来生成风格，然后生成器利用图像和风格生成图像，实现了风格和生成的分离，从而使得映射网络可以生成更多样的style code，生成器专精于生成高质量图像。
在结构的设计上：
mapping network 和style encoder 也类似一种生成对抗的关系。采用循环一致性损失进行训练。
在损失的设计上，
重建风格损失来训练
文中说是为了强迫G使用style code 生成，使用一个风格重建损失，但个人觉得这个是为了训练mapping网络和style encoder 网络。（还没看代码，仅表示个人理解。）