artifact是什么？

当我们非常仔细地观察神经网络生成的图像时，经常会看到一些奇怪的棋盘格子状的伪影（artifact）。这种现象有些情况下比其他情况更明显，但最近的模型很多都会出现这种现象。

出现的原因：当我们用神经网络生成图像时，我们经常从低分辨率、高阶描述中构建图像。这会让网络先描绘粗糙的图像，再填充细节。

因此，我们需要能让图像从较低分辨率达到较高分辨率的方法。我们通常使用反卷积操作。大致来说，反卷积层允许模型使用小图像中的每个点来“绘制”更大的图像中的方块。

但是，反卷积很容易“不均匀重叠”（uneven overlap），使图像中某个部位的颜色比其他部位更深（Gauthier, 2015）。尤其是当核（kernel）的大小（输出窗口的大小）不能被步长（stride）整除时，反卷积就会不均匀重叠。虽然原则上网络可以仔细地学习权重来避免这种情况，但在实践中神经网络很难完全避免不均匀重叠。

重叠图案也在二维中形成。两个轴上的不均匀重叠相乘，产生不同亮度的棋盘状图案。