传统的对抗生成网络（GAN）使用全局对抗目标，即通过训练一个生成器和一个判别器来最小化生成图像与真实图像之间的整体差异。然而，这种方法可能无法保持图像的局部真实性，导致生成图像模糊或不真实。
基于块的对抗目标通过将图像划分为不同的块，并在每个块上分别计算对抗损失，来解决这个问题。具体来说，它采用一个判别器网络，该网络不仅仅对整个图像进行判别，还对每个块进行判别。生成器的目标是尽可能欺骗判别器，使得每个块都具有高度的真实感。而判别器的目标是准确地识别出哪些块是真实的，哪些是生成的。通过在每个块上进行对抗性训练，基于块的对抗目标可以更好地保持图像的局部真实性。
这种基于块的对抗目标可以在图像生成和重建任务中提供更清晰、更真实的结果。它可以避免生成图像模糊或不真实的问题，并提高生成器的性能和生成图像的质量。