从您引用的文章中，我发现这个数字与您的相似。

在文章的同一页上，他们说：

如图 3 所示，平滑的轮廓也有助于更好的梯度流，其中使用 ReLU 和 Mish 的五层随机初始化神经网络的输出景观被可视化。 景观是通过将坐标传递给一个五层随机初始化的神经网络来生成的，该神经网络输出相应的标量大小。与 Mish 的输出景观的平滑轮廓相比，ReLU 的输出景观有很多急剧的转变。

您的图（和上面的图）似乎没有显示损失情况（即文章中的图 4），而是使用不同激活函数的全局神经网络的情况。我猜他们用来生成这些图形的神经网络有 2 个输入（绘图的坐标）、3 个隐藏层和一个标量输出。图中的颜色对应于标量输出值。

作者提供这些数字是因为：

更平滑的输出环境表明平滑的损失环境 [...]

这是我对文章的理解，希望对你有所帮助。