解决的问题
前人的做法：
Success of image translation methods mostly imposes the requirement of working on aligned or similar domains for texture or appearance transform.
The building blocks of these networks, such as convolution/deconvolution layers and activation functions, are spatially corresponding.
解决的问题：
大白话解释一段我的理解：
非成对图像翻译，比如非笑脸图(小明，男)要翻译成笑脸图（小明，男）。
输入网络的图，非笑脸图(小明，男)和笑脸图（大红唇的小红，女），经过一系列的convolution/deconvolution layers and activation functions，得到小明的五官信息和大红唇小红的笑信息（maybe 嘴角上扬图），重组以后得到，大红唇的笑脸小明。
结果图中的大红唇可以看作artifacts or ghosting。
期望的效果：
具体策略：
SPM
RM
12个平行采样的残差块，对生成结果进行精细化。
Mask
3 deconvolutional layers to up-sample f into a 1-channel mask m, the same size as the input.
Sigmoid layer is used as the final activation layer to range the output mask in [0; 1].
a regularization term Lm to enforce sparsity of masks in L1-norm:
实验详情
实验效果：
