1、ZSSR需不需要单独训练各种尺度

不需要。因为网络在测试时进行训练，即，对于每一张测试图像，都会训练CNN网络，同时利用这个网络得到重构图像。其train+test时间与sot A监督CNN的测试运行时间相当。

2、ZSSR的实验部分搞明白

实验分为两大类：（1）理想情况和（2）非理想情况。

（1）理想情况

即LR图像是由HR图像双三次下采样得到的。

（2）非理想情况

真实的LR图像往往无法理想地生成。这又分为两种情况：①非双三次核和②低质量图像（带有噪声、伪影）

①使用随机高斯核对HR下采样得到LR图像，创建出一个新的测试数据集。因此，每个LR图像都是由不同的随机核下采样得到的。考虑了两种应用ZSSR的情况：

1. 用Blind-SR估计下采样核，并提供给ZSSR。（对于外部监督的Sot A SR方法，在测试时提供估计的下采样核是没用的）
2. 将ZSSR与用于创建LR的真正下采样核一起用

3、SFTGAN中优化目标和损失函数的联系，分别是干什么的

目标函数，损失函数和代价函数

损失函数用来衡量拟合的程度；优化目标（目标函数）是要尽量最小化（或最大化，例如对抗网络中的判别器就需要最大化损失）这个损失。优化目标中一般会有一个正则项，使得模型不要过拟合。

 perceptual loss：

 

将真实图片的feature与生成图片的feature作比较，使得高层信息（内容和全局结构）接近，也就是感知的意思。

以往的代价函数使重建结果有较高的PSNR，但是缺少了高频信息，perceptual loss能够使生成图像的高频信息更接近真实图像的高频信息，以生成更加真实的图像。

参考链接

 adversarial loss：