固定建筑的门窗布局，三次随机选择却得到同一张砖墙图。随机输入确实不同，但输出没有利用这份差别。给生成器接上一根随机数输入线，不足以证明它学会了条件下的多种答案。

我们想要的是砖、灰泥、木饰面这类可比较的外观变化，同时让门窗继续在规定位置。把门挪走带来了明显变化，却违背内容条件；只增加几个像素噪点虽能让两幅图不完全相同，也没有提供新的设计方案。因此应分别检查外观是否成立、条件是否保持、变化是否有任务意义。三者不能由一个“图像距离很大”的数字包办。

“怎样让模型真的用上随机选择？” BicycleGAN 在配对翻译中把两种回路结合起来。一条从配对目标取得潜在表示，再要求条件与该表示能重建目标；另一条先抽取潜变量生成图像，再要求能从生成图中恢复这次潜变量。后一项让“完全忽略随机输入”更难满足目标。图像重建与潜变量恢复有不同职责：前者守住配对关系，后者鼓励输出保留潜在选择的信息。它们是促进多解建模的约束，不是无条件保证每种变化都符合人的语义。

图像翻译文献这里说的 multimodal，常指同一条件下有多个可能输出，并非一定指文字、声音、图像等多种媒介。

如果没有逐图配对，MUNIT 提出另一种建模假设：把内容与风格分开，跨域共享内容表示，在目标域采样风格，再组合生成。它用重建等要求支持这种分工。这里必须追问“什么算内容、什么算风格”：对本题，门的位置属于内容、墙面材质可以变化；另一个任务也许恰好要求识别材质。分解是否成立，需要由任务和结果检验，不能由两个变量的命名决定。

比较这类模型时，应固定同一输入、相同采样预算并展示全部候选。只挑三张差异最大的成功图，会藏掉重复、违约与失败。也不要把课堂构造的材质图当成 BicycleGAN 或 MUNIT 的实验成绩；它们让我们看清想要求的变化，而论文和实验协议负责检验具体方法是否做到。

有了控制入口，编辑错误仍可能发生在不同阶段。下一页从原图、反演重建和改色结果的三次对照，找出究竟是哪一步改坏了什么。

BicycleGAN：两条训练回路，让变化受到约束