馬爾可夫判別器（PatchGAN）

眾所周知，L2損失–和L1 –參見圖3 –在圖像生成問題上產生模糊的結果[31]。 盡管這些損失不能促進高頻脆性，但是在許多情況下它們還是準確地捕獲了低頻信息。 對于這種情況下的問題，我們不需要全新的框架即可在低頻下增強正確性。 L1已經可以了。

這促使將GAN鑒別器限制為僅對高頻結構建模，這取決于L1項來強制實現低頻正確性（公式4）。 為了對高頻進行建模，將我們的注意力集中在局部圖像補丁中的結構上就足夠了。 因此，我們設計了一個鑒別器架構（我們稱之為PatchGAN），該架構只會對補丁規模造成不利影響。 該鑒別器嘗試對圖像中的每個N×N色塊是真實的還是假的進行分類。 我們對該圖像進行卷積運算，對所有響應求平均以提供D的最終輸出。

在第4.4節中，我們證明N可以比圖像的整個尺寸小得多，并且仍然可以產生高質量的結果。 這是有利的，因為較小的PatchGAN具有更少的參數，運行更快，可以適用于更大尺寸的圖像。

這樣的鑒別器有效地將圖像建模為馬爾可夫隨機場，并假設相隔大于補丁直徑的像素之間具有獨立性。 此連接先前在[35]中進行過探索，也是紋理[15，19]和樣式[14，23，20，34]模型中的常見假設。 因此，我們的PatchGAN可以作為紋理/樣式損失的一種形式來理解。

馬爾可夫的主要貢獻領域是？

安德雷·安德耶維齊·馬爾可夫Андрей Андреевич Марков（1856年6月14日－1922年7月20日），俄國數學家。出生于梁贊州，他的父親是一位中級官員，后來舉家遷往圣彼得堡。1874年馬爾可夫入圣彼得堡大學，師從切比雪夫，畢業后留校任教，任圣彼得堡大學教授（1893-1905），研究數論和概率論。后自愿承擔罪名而被流放到扎拉斯克。1886年當選為圣彼得堡科學院院士。馬爾可夫1922年逝世于圣彼得堡。他的同名兒子A·A·小馬爾可夫也是一位著名數學家。

他因提出馬爾可夫鏈的概念而享有盛名，這是說在一系列事件中，某一給定事件發生的概率只取決于以前剛剛發生的那一事件。這一概念發現后已在物理學、生物學和語言學獲得廣泛的應用。