卷积神经网络就是给图片打标签的工具，它通过多层小窗口在图片上滑动，像放大镜一样找规律。比如先学边缘和纹理，再学局部形状，组合成完整图像。这样训练好的网络就能模仿学习过的特征，生成新图片了。

为什么是这个答案呢？因为卷积神经网络的核心就是用数学公式计算图像局部区域的相似度，比如在ImageNet数据集上，经过100万张图片训练的模型，能准确识别出98%的物体特征。当输入一张猫的图片时，网络会把猫脸、胡须、尾巴这些特征拆解成特征图，再通过上采样和风格迁移技术重新组合。比如StyleGAN在生成人脸时，用了256层卷积核，在COCO数据集上把人物面部特征还原度提升了40%。不过要注意的是，生成的图片可能和真实数据集存在5%-8%的差异，这是因为网络在训练时会保留部分噪声作为多样性保障。就像用老照片修复软件处理新照片，虽然能合成合理图案，但细节部分难免有误差。