我假设您了解原始 gan 论文。

所以一开始有两个分布——原始图像遵循的第一个分布和假图像遵循的随机分布。

鉴别器的任务是找出哪个图像来自哪个分布，而生成器则试图学习真实分布并使随机分布与真实分布相似。

现在提供图像标签作为输入就像提供有关分布的额外信息。这不会改变游戏，它是相同的无人监督的游戏。

添加这些额外的信息会有两个后果：

1. 即使是假图像遵循的随机分布也会有一些模式。因此收敛会更快。
2. 您可以在测试时通过为要生成的图像提供标签来控制生成器的输出。