GANの最適化では、生成器の分布が目標分布に近づくことが保証されていない。本研究では、生成器の分布と目標分布の距離を保証する十分条件を導出し、それに基づいた新しいGANモデル「Slicing Adversarial Network (SAN)」を提案する。
自己消費型の生成モデル学習では、合成データの使用により学習の不安定性や崩壊が生じる可能性があるが、理想化された修正関数を導入することで、自己消費型ループをより安定化できる。
