L2loss会使生成的图像更模糊

来自知乎-陈耕：在GAN或VAE的image2image中，为什么加上L2或L1损失函数，会导致生成的图像模糊？

实际上L2 loss会产生更平滑的图像。因为最小化L2 loss相当于最大化一个高斯分布的log-likelihood。

也就是说，我们假定我们的数据是符合了一个高斯分布的。但是实际中，我们的数据可能是多峰的。比如说对于猫而言，有很多种不同种类长得不一样的猫，每个种类的猫可能都会带来一个对应的峰。当你使用L2 loss时，就会对这很多种猫用一个单峰的高斯去拟合，这就相当于对不同长相的猫做了一个平均，这就会使得产生的图像比较平滑。

但L1 loss就会减轻这样的影响。在图像超分中，早期大家一般都用l2 loss，因为这能直接优化PSNR。但大家发现这样恢复的图片细节上太平滑了，很多就改用l1 loss了。