GAN的“错误”为何更艺术？长文反思扩散模型的语义瓶颈

Imaginary_Bit9621 · reddit · 2026-08-08

一位开发者耗时8个月利用1万多幅公共领域历史画作训练GAN模型，用于生成适合打印装裱的装饰画。作者发现，现代主流文本生成图像模型（如Diffusion）虽然画面极其干净逼真，但往往“过于完美”，缺乏让人反复咀嚼的视觉深度。

作者的朋友认为主流模型已足够强大，只需反推提示词就能轻易复刻GAN的效果。然而实验证明，反推提示词会将图像中模糊的视觉模式强制具象化（例如把似是而非的形状定义为“悬崖”），再喂给模型后，生成的只是符合定义的普通悬崖。作者将这一现象称为“语义瓶颈”：文本条件模型受限于语言的精确性，而GAN不依赖文本指令，反而能生成那些大脑需要主动去解读的、模棱两可的艺术感图像。