pix2pix相较于基础GAN模型，最核心的改进在于从一个“随机生成器”转变为一个“可控的图像翻译器”。具体的改进主要体现在一下三个关键方面：

• 输入

基础GAN的输入为随机噪声，目标是生成一张看起来真实的图像，但具体生成什么内容是不可控的。

pix2pix的输入为一张具体的源图像（如轮廓图、语义标签图），是生成过程变得可控，实现了“输入一张图，输出对应的另一张图”的图像翻译任务。（即条件GAN）

• 网络结构

原始GAN通常使用简单的全连接网络或普通编码器-解码器。

pix2pix的生成器为U-Net，判别器为PatchGAN，PatchGAN不判断整张图的真假，而是将图像分成多个NxN的局部小块分别判断，最后取平均。这使得模型更关注图像的局部纹理和清晰度（高频信息），而不是整体布局（低频信息）。

• 损失函数

原始GAN仅依赖对抗损失，导致生成器为“欺骗”判别器而生成不真实或单一的图像。

pix2pix在对抗损失基础上，增加了L1损失。L1损失会逐像素计算生成图像与真实目标图像之间的差异，强制保证生成结果在整体结构和颜色上接近“标准答案”。