上一页只有低清观测时，墙面细节可能有多个合理来处。这里换成结构明确的输入：同一栋楼的边缘图给出了门、窗和楼体布局，目标照片则记录了这些位置的一种外观。两张图之所以构成配对，是因为它们描述同一内容、位置能够对应；随便找一张边缘图和一张建筑照片并排，并没有提供这项监督。

配对首先告诉模型哪些关系不能随意改变。墙可以有不同材质，但输入中位于中央的门，不能为了让图片更漂亮就挪到左边。本例的错门候选砖块很逼真，仍然违反了结构条件。可变化的是未被要求唯一规定的外观，必须保持的是输入已经给定的内容关系。 配对照片只记录其中一个答案，并不意味着其他守住布局的材质必然错误。

pix2pix 的条件判别器同时看到输入与候选，因而有机会学习“这两张是否对应”，不只判断候选单独像不像照片；像素重建项进一步鼓励它贴近配对目标。生成器中的 U-Net 跳跃连接有利于把输入中的空间细节传到输出，PatchGAN 为局部区域提供对抗反馈。它们各有作用，但局部纹理成立不保证整栋楼的关系全部成立，架构名称也不能代替实际条件检查。

“既然配对这么有用，为什么不总是收集配对？” 一些任务容易自动构造，例如从照片提取边缘，原照片天然就是目标；另一些任务很难，例如要同一街景在不同季节、相同相机位置下准确对应。拍摄、对齐和筛选都要付出成本。配对也要核对是否错位、误配及覆盖所需条件，数量多不能替代对应可靠。配对昂贵的部分，正是把我们想保留的对应关系写入数据。

另一项边界是多解。若同一结构只有一张监督照片，重建目标可能鼓励固定输出；即使额外输入随机数，模型也可能忽略它。能作配对翻译，不等于已经充分表达了给定条件下的所有合理外观。我们会在 N27 单独追问这件事。

现在把逐图对应拿走：如果只有一袋夏景与另一袋冬景，没有哪一张应当配哪一张的记录，还能学到有用的转换吗？