训练之后的效果存在问题

[yutianhao-chingmu]

大神您好！非常感谢你们能够开源这么棒的工作，我最近也在做相关的工作，研究了一下你们的代码，尝试训练，运行的过程中遇到了问题，想请教一下。

上图是通过我们训练出来的结果得到的重定向数据，从左到右依次为gt，result，input。我们尝试去除了GAN_loss(gan mode设置为none)进行训练，训练用的dataset没有做过修改，但随着训练次数的增多，重定向result的末端关节会越来越接近source数据的状态，例如上图，Big Vegas的手脚和gt相比，明显倾向于Aj的input状态，请问这可能是什么原因导致的？
此外，我还对loss的初始参数有点疑问，在option_parser.py中，lambda_ee的值默认为100，这与论文中的比例相差巨大，请问loss参数的这些默认值是否存在问题？
希望大神能够抽空回答一下我的问题，感激不尽。

[PeizhuoLi]

你好，非常感谢你们对这个项目的兴趣，叫大神就不必了😂

同时感谢你提出的问题，我们在论文在描述lambda时存在一些typo，lambda_ee应该是20，lambda_adv应该是0.2，在代码实现时等比例放大了5倍

你提出的是一个非常好的问题。我们当时在观察效果时没有遇到类似的姿势所以没有关注这个问题。如果我们提供的预训练模型中不存在这样的问题，一个可能的原因就是adv_loss有帮助。如果预训练模型中同样存在这样的问题，那么也许需要减小lambda_ee或者改变ee_loss中不同角色的归一化方式来提升效果