注：本文仅个人学习理解，如需详细内容请看原论文！
一、cycleGAN
1.整体架构：
将图片A通过生成器生成图片B，然后通过判别器判别图片B的真假；并且图片B通过另一个生成器生成A'，让A和A'近似。
2.4种损失函数：
G网络、D网络、Cycle、Identity，D网络中使用了PatchGAN。
3.PatchGAN的作用：
输出的是一个N × N的矩阵，需要基于感受野来计算损失；基于感受野在特征图上的预测结果，和标签（也需要设置成N x N）计算损失。
每个圆圈代表一个patch。
二、starGAN v1
1.生成器：
通过输入input image、目标域（目标风格）然后输出fake image；
将fake image与原始信号再次输入到生成器G中，生成Reconstructed image，使Reconstructed image与input image 越接近越好；
将fake image再次输入到判别器D中，然后通过类别判断真假。
2.判别器：
输入real image 和 fake image，通过判别器D输出图片的真假，以及分类结果
三、starGAN v2
引入了 Mapping network 与 Style encoder
1.Generator:
加入style编码，通过Mapping network 和 Style encoder编码
2.Mapping network：
输入：随机初始化一个向量，如16维向量Z（原图像）；在传入一个reference（提供风格的图像）。
输出：64维向量，经过风格转换的图像。
组成：一些全连接网络构成。
3.Style encoder：
将原始的图像X做一个编码E（X）得到一个64维的向量。
4.Discriminator:
输出多分支结果，假设有3种风格，就会输出6种结果，每种风格都会产生2种结果。