Conditional Mean Collapse（条件均值坍缩）

在条件生成模型中，模型需要学习条件分布p(x|y)。当模型容量不足或训练目标倾向于最小化均方误差时，模型可能忽略条件y的细节，直接输出所有可能x的均值，即E[x|y]的估计，导致生成样本模糊且缺乏多样性。这种现象称为条件均值坍缩。它常见于条件GAN、条件VAE和扩散模型中，尤其在条件信息较弱或训练数据不平衡时。解决方法包括引入感知损失、对抗损失、以及改进条件注入机制，如条件归一化、注意力机制等。