course | 李宏毅lecture2 - Conditional GAN
从例子来讲：文字到图片
传统监督方法的问题：因为产生的结果可能是多张image的平均
然后我们尝试用GAN来解决，如下图所示。但是这样会有一个问题就是：鉴别器会完全忽略train的信息，因为它只是判断是不是一张“顺眼”的真图而已。
接下来我们要让这个GAN还要去判断是不是train，即是不是满足这个条件。
换一种说法：
介绍另外一种架构：
还讲了stackGAN（我不感兴趣，没记笔记）
下一个例子:图片到图片
由于会平均的问题，就会比较模糊。
如果不用条件GAN，就会是下图这种中间这种可能会出现奇奇怪怪的地方。用条件GAN就会使目标与input比较接近。
