条件GAN与CGAN的标签引导生成

条件GAN（Conditional GAN, CGAN）由Mirza等人于2014年提出，通过在GAN中引入条件变量y（如类别标签、文本描述或图像），实现了可控的条件化生成。

架构设计： 将条件信息y分别注入生成器和判别器：

条件生成器G(z|y)：

• 输入：随机噪声z + 条件y。
• 将z和y拼接（Concatenate）后送入生成器网络。
• 在DCGAN/CGAN实践中，y通常先通过嵌入层（Embedding）转换为向量，再与z拼接。
• 输出：基于条件y的生成样本x_fake = G(z|y)。

条件判别器D(x|y)：

• 输入：图像x（真实或生成）+ 条件y。
• 两种主流注入方式：
  1. 拼接方式：先将图像x通过若干层卷积提取特征，在靠近输出的全连接层与y拼接。
  2. 投影方式（Projection Discriminator，cGANs with Projection）：将y通过嵌入层转换为向量，与图像特征做内积后加到判别器输出中，效果更好。
• 输出：D(x|y) ∈ [0,1]，表示x在条件y下是真实图像的概率。

损失函数（原始CGAN对抗损失）： min_G max_D V(D,G) = E_{x~p_data}[log D(x|y)] + E_{z~p_z}[log(1-D(G(z|y)|y))]

应用场景：

1. 类别条件生成：MNIST生成指定数字、ImageNet生成指定类别。
2. 文本到图像生成：使用文本描述作为条件（如StackGAN、AttnGAN）。
3. 图像到图像翻译：输入图像作为条件（如pix2pix：边缘图→彩色图）。
4. 超分辨率：低分辨率图像作为条件（如SRGAN）。
5. 语义分割生成：分割掩膜作为条件。

与无条件GAN对比：

• 无条件GAN：只能生成与训练数据分布一致的随机样本，无法控制输出内容。
• CGAN：生成样本服从条件分布p(x|y)，可以精确控制生成结果。

局限：CGAN本质上是'条件化'而非'解耦'——条件信息通常较粗糙，对细粒度属性的控制不如StyleGAN精细。