超分辨率重建损失函数

超分辨率重建损失函数可以使用不同的方法来定义，下面是两个常用的方法:
1. 对比损失(Contrastive Loss): 对比损失函数可以很好地表达成对样本的匹配程度，因此也可以用于训练提取特征的模型。当y=1（即样本相似）时，损失函数只剩下欧式距离，即原本相似的样本，如果在特征空间的欧式距离较大，则说明当前的模型不好，因此加大损失。而当y=0时（即样本不相似）时，损失函数为特征空间的欧式距离，即当样本不相似时，其特征空间的欧式距离反而小的话，损失值会变大。

2. 特征匹配损失(Feature Matching Loss): 特征匹配损失是为了让GANs的训练更加稳定而提出的方法。在这种方法中，首先通过判别器(discriminator)提取真实图像和生成图像的特征，然后计算它们之间的距离。特征匹配损失要求生成图像在经过判别器时，提取的特征与真实图像通过判别器提取的特征尽可能接近。这可以通过使用一个中间层的特征来实现，对于输入x，设判别器的某个中间层对于输入x的输出为f(x)，则特征匹配损失可以用下面的损失函数来计算：

这两种方法都可以用于超分辨率重建任务中的损失函数，具体选择哪种方法可以根据具体情况和需求来决定。