نقوم بدراسة الشبكات المضادة الشرطية كحل عام لمشكلات التحويل الصوري من صورة إلى أخرى. فهذه الشبكات لا تتعلم فقط التمثيل من الصورة المدخلة إلى الصورة المخرجة، بل تتعلم أيضًا دالة الخسارة اللازمة لتدريب هذا التمثيل. وبذلك، يصبح من الممكن تطبيق نفس النهج العام على مسائل كانت في الماضي تتطلب صيغًا مختلفة جدًا لدوال الخسارة. ونُظهر أن هذا النهج فعّال في توليد صور من خرائط التسمية، وإعادة بناء الأجسام من خرائط الحواف، وترميز الألوان للصور، بالإضافة إلى مهام أخرى. في الواقع، منذ إصدار برنامج pix2pix المرتبط بهذه الورقة البحثية، قام عدد كبير من المستخدمين على الإنترنت (ومنهم العديد من الفنانين) بنشر تجاربهم الخاصة باستخدام نظامنا، مما يُظهر بشكل إضافي مدى انتشار قابليته للتطبيق وسهولة تبنيه دون الحاجة إلى تعديل المعلمات. وبشكل جماعي، لم نعد نصمم يدويًا وظائف التمثيل لدينا، وتشير هذه الدراسة إلى أنه يمكننا تحقيق نتائج معقولة دون الحاجة إلى تصميم يدوي لدوال الخسارة أيضًا.