我们研究图像变换问题，其中输入图像被转换为输出图像。针对此类问题的最新方法通常使用输出图像与真实图像之间的\emph{逐像素}损失来训练前馈卷积神经网络。并行的研究表明，通过定义和优化基于预训练网络提取的高级特征的\emph{感知}损失函数，可以生成高质量的图像。我们结合了这两种方法的优点，提出在训练用于图像变换任务的前馈网络时使用感知损失函数。我们在图像风格迁移中展示了实验结果，其中前馈网络被训练以实时解决Gatys等人提出的优化问题。与基于优化的方法相比，我们的网络在定性结果上相似，但速度快三个数量级。此外，我们还对单幅图像超分辨率进行了实验，结果显示用感知损失替代逐像素损失可以得到视觉上令人满意的结果。