GAN Lecture 2 (2018): Conditional Generation
先前提到的GAN是使用一個隨機vector來產生object，這邊我們希望控制input的vector，輸出我們希望看到的object，例如，輸入一個文字，然後產生一張對應輸入文字的圖片
一般的GAN吃的是一個隨機sample的vector，也就是下圖中的normal distribution z。
在conditional GAN裡面，額外再給一個contional text, c
Conditional GAN就是要根據這段text以及sample出來的vector來generate結果
最後在丟給discriminator，discriminator會產生一個scalar，告訴我們這個 object 好或不好
訓練時，discriminator要給real image 高分，generated image低分
但光是這樣是不夠的，因為這樣discriminator只會檢查image品質好不好，會無視input的 text （舉例來說，text給個是train，generator畫出一張高品質貓貓的照片，generarion一樣會給高分）
因此，conditional GAN不能只看generator的輸出，他同時也要看generator的輸入
也就是說，這時discrimintor要考慮兩件事
如果x是一張模糊的圖，給低分。
如果x是一張清晰的圖，但文字不match，給低分。
