四行结果可能都很像真实对象，但辨认方法时，应先看它从哪里开始、怎样得到完整结果。终图本身通常不足以告诉我们用了哪一种生成模型。

自回归把结果拆成有顺序的部分：先作一个选择，再把已有结果作为下一步条件。VAE 建立潜变量与图像之间的联系：生成时从规定的起点分布取值，再由解码器产生可见结果。GAN 用一个学到的评价者参与训练，让生成器逐渐缩小生成样本与真实样本的差别；常见使用路径是从随机起点经生成器直接出图。扩散则从受扰状态出发，利用预测与更新规则反复改动同一份状态，逐渐形成样本。

这张地图比较的是常见的组织方式，不是四个完全不相交的盒子。VAE 和 GAN 都可以从紧凑的随机起点出发，区别还涉及训练关系；自回归和扩散也可以在潜在表示里工作，共享同一个图像解码器。只看到“随机数→神经网络→图片”，还无法分清整套方法。

“GAN 有评价者，每次生成都要让它挑图吗？” 通常不用。评价者主要在训练时提供反馈，使生成器参数发生改变；训练好之后，生成器可以直接产生样本。训练时需要什么，与使用时实际走哪条路径，要分开追踪。

比较一个方法时，可以按五件事理解：任务要求什么，结果用什么表示，训练反馈来自哪里，参数怎样更新，使用时怎样取出样本。网络结构只是其中一环。Transformer 不是自回归的同义词，U-Net 也不是扩散的定义；相同网络可以服务不同目标和采样过程。

下面先从最容易亲自做出的过程开始：既然要交付一双同色鞋，选完左鞋后，右鞋该怎样决定？这次我们不只检查组合，而是用依赖关系真正组织一次生成。