请对比 Stable Diffusion 模型和 GAN 模型在生成原理、训练方式以及应用特点上的主要差异。

回答思路

1. 【回答框架 1】生成原理差异：GAN 由生成器和判别器构成，生成器从随机噪声生成样本，判别器判别真伪，二者通过对抗训练达到纳什均衡；Stable Diffusion 属于扩散模型，前向过程逐步添加噪声直至纯噪声，反向过程学习逐步去噪，从噪声中恢复数据。
2. 【回答框架 2】训练方式与稳定性：GAN 训练存在模式崩溃、不收敛等不稳定问题，需要精心平衡生成器与判别器能力；Stable Diffusion 训练目标更为简单，通常使用去噪目标（如预测噪声），训练过程相对稳定，不易出现模式崩溃。
3. 【回答框架 3】应用特点：GAN 生成速度快，适合实时或近实时生成，但多样性可能受限；Stable Diffusion 生成质量高、多样性强，支持文本条件控制，但推理速度较慢，通常需要多次迭代去噪。
4. 【关键点 1】GAN 是对抗式生成，Stable Diffusion 是去噪式生成
5. 【关键点 2】GAN 训练不稳定，容易模式崩溃；扩散模型训练更稳定
6. 【关键点 3】Stable Diffusion 支持文本引导，GAN 通常不具备
7. 【关键点 4】GAN 生成速度快，扩散模型生成速度慢但质量更高
8. 【易错点 1】不要把 Stable Diffusion 归类为自回归模型，它是扩散模型
9. 【易错点 2】不要混淆扩散模型的训练目标是预测噪声而非直接判别真假
10. 【易错点 3】不要忽略 GAN 的模式崩溃问题，它并非无条件优于扩散模型