本研究では、画像間変換問題に対する汎用的解決策として、条件付き敵対的ネットワークを検討する。これらのネットワークは、入力画像から出力画像への写像を学習するだけでなく、その写像を学習するための損失関数自体も学習する。これにより、従来は非常に異なる損失関数の定式化を必要としていた問題に対しても、同一の汎用的手法を適用することが可能となる。本研究では、ラベルマップから写真の合成、エッジマップからのオブジェクト再構成、画像の色付けなど、多様なタスクにおいてこのアプローチが有効であることを示す。実際、本論文と関連する pix2pix ソフトウェアが公開されて以来、多くのインターネットユーザー（特にアーティスト）が自らの実験結果を共有しており、本手法の広範な適用可能性と、パラメータの微調整なしに容易に導入できる点をさらに裏付けている。私たちのコミュニティとして、もはや写像関数を手動で設計する必要はなく、本研究は損失関数についても手動で設計する必要がない、合理的な結果を達成できる可能性を示唆している。