处理appearance gap很大的图像伪造，比如说复杂的光照条件和肤色
把appearance mapping 定义为一个最优传输问题，在特征空间和像素空间
a relighting generator来模拟最优传输，
1通过求特征空间中学习到的特征的Wasserstein distance最小值。
2在像素空间采用一种segmentation game to 最小化Wasserstein distance。
通过操纵直方图分布，即将源图像的直方图分布映射到目标图像的直方图分布，我们不仅可以捕捉到颜色差异，而且可以保留源图像的结构。
传统OT：直接将OT应用到身份转换还是有问题的，1）计算不平衡像素直方图图像之间的OT可能会产生不匹配的映射，进而产生合成图像不连续ab
2）在传输过程中忽略了面部几何信息，使得细粒度外观信息转换困难。cd
3)计算负担大
Appearance Optimal Transport，AOT可以应用在一些换脸方法上。
两路的Perceptual encoder将图片编码成高级特征，
从3D fitting model中提取相应坐标和法线代表面部几何信息和灯光初始信息。
除此之外，a Neural Optimal Transport Plan Estimation在特征空间最小化Wasserstein distance(WD)
随后a relighting generator decodes 特征到像素空间，并且通过a 分割策略优化结果。
额外知识：
1.关于Wasserstein distance
（1）
