图像重建与合成得益于生成模型的发展取得了显著进展。然而，在频域上，真实图像与生成图像之间仍可能存在差距。本研究表明，缩小频域上的差异可进一步提升图像重建与合成的质量。为此，我们提出一种新型的焦点频域损失（focal frequency loss），该损失函数能够自适应地聚焦于难以生成的频率成分，同时对易于合成的成分进行加权抑制。这一目标函数与现有的空间域损失相辅相成，有效缓解了神经网络固有偏差导致的重要频域信息丢失问题。实验结果表明，该焦点频域损失在提升多种主流模型（如VAE、pix2pix和SPADE）的感知质量与定量性能方面均展现出优异的通用性与有效性。此外，我们还验证了其在StyleGAN2中的应用潜力。