我正在尝试生成一个机器学习模型，它可以作为真实数据的插值器。本质上，进入模型的是xy坐标，结果将是图像。这是为了在每个像素级别表征相机。

我尝试使用网络（ ）输入原始xy坐标并生成许多图像，但这并没有很好地收敛。x*yconvunet

然后我尝试用一​​个白色的单个xy像素输入全黑图像，但由于输出图像大部分是黑色的，它通过使整个输出变为黑色来欺骗。然后我尝试将输出图像裁剪为仅感兴趣的区域，但它再次难以产生任何真正的变化，并且通过肉眼只能制作出宽泛的白色图像。

是否有解决图像中坐标的标准方法？我只需要训练很长时间吗？迁移学习会有帮助吗？图像有比 更好的损失函数mse吗？