编码器网络可以用于不同的输入和输出吗？

Question

研究图像翻译问题。得到多对输入输出图像，即以草图作为输入，以翻译后的草图作为输出。图像是b&；宽1像素的草图线

简单的编解码器可以用来学习图像的翻译吗

下面的代码片段来自https://blog.keras.io/building-autoencoders-in-keras.html，它显示了自动编码器是如何编程的。显然，作为自动编码器，输入和输出都显示相同

autoencoder.fit(x_train, x_train,
                epochs=50,
                batch_size=256,
                shuffle=True,
                validation_data=(x_test, x_test))

但是在这里，我可以给出“x\u-train，y\u-train”而不是“x\u-train”，其中x\u-train是输入图像，y\u-train是输出图像吗

理论上正确吗？下面的优化器和成本函数是否有效

autoencoder.compile(optimizer='adadelta', loss='binary_crossentropy')

通常Pix2Pix网络用于此类工作。但GANs的主要宗旨是学习好的产出的成本函数

在我的问题中，代价函数是非常确定的，不是一个像素在这里和那里就可以了。所以误差可以被清楚地定义

在这里尝试Pix2Pix理论上正确吗