一上来就甩极小极大公式，学生当场走神，所以我讲 GAN 从来不从公式开始。
就说两个人互相拆台：生成器造假，判别器鉴伪，谁也占不到便宜的时候训练就算到位了。这么讲比公式好懂得多。
然后顺着 StyleGAN 往下捋，这一支才真把控制权交出来。第一代把隐码映射成分层的 style，高层属性和随机细节能分开；第二代重做归一化，加了路径长度正则，那些烦人的水滴斑块没了，反演也好做；第三代干脆从信号处理的角度处理混叠，平移旋转缩放之下画面不再抖。
ControlNet 走的是另一条路：主干锁死不动，用零卷积从零长出可训练参数，边缘、深度、分割、姿态都能当条件塞进去，底模原来学过的东西也不会被冲掉。
最后对照一句：GAN 一次前向就出图，快，但容易塌成几种花样；扩散一步步去噪，贵，样本更杂。两边解决的本来就不是同一个问题。
