方法：
具体的来说，我们可以在生成模型G和判别模型D中同时加入条件约束来引导数据的生成过程。条件可以是任何补充的信息，如类标签，其它模态的数据等。然后这样的做法应用也很多，比如图像标注，利用text生成图片等等。
原因：
因为原始的GAN过于自由，训练会很容易失去方向，从而导致不稳定又效果差。而Conditional GAN就是在原来的GAN模型中加入一些先验条件，使得GAN变得更加的可控制。
总结：
我觉得条件生成式对抗网络的主要应用场景应该是图像处理，而非文字语言处理。与其说是博弈，倒不如说，这是一个附加了条件的反向传播算法。