讲这块我不从公式开始。生成器和判别器互相拆台，一个造假一个鉴伪，谁也占不到便宜的时候训练就算到位了，学生听这个比听极小极大好懂得多。往后 StyleGAN 那一支才是真把控制权交出来的：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；第二代重做归一化又加了路径长度正则，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，底模原本学过的东西也不会被冲掉。
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，但样本更杂。
两边解决的从来不是同一个问题。
