GANは、高解像度の画像に問題が発生します：
1.豊富な高解像度の画像特徴は、画像の真実を決定することは容易です。これは、勾配が正しい方向の最適化を示すものではありませんのでこと、勾配の問題を増幅します
メモリ制約のために2は、それがBATCH_SIZE、不安定性のトレーニングを減少させる傾向がある、高解像度画像を生成します。
3.高品質の追求は、多様性に低下する可能性があり、相互に排他的で品質と多様性のサンプルを生成して画像を作ります。
プログレッシブ品質向上、安定性、および変化のためにガンズの成長
高解像度画像生成（プログレッシブトレーニング）
第1の解像度によって徐々に初めに増加し始め、Gだけ一つの層が、* 4 4画像が真であるか偽であるかを判断する4×4の画像と、対応するDの一層のみを生成し、真のサンプルの解像度であってもよいですサンプリングによって得られた一般的な高解像度画像は、これらの最初の2つの単純なほとんどのネットワークトレーニング、およびスケールGおよびDを増加させながら、そのようなG、* 4 4の画像により生成された8×8画像として層を追加します。ほとんど再び訓練を受け、適切な変更を加えるし、ネットワークの規模を増やすD。次のようにネットワーク構造は次のようになります。
徐々にプレトレーニング、輪郭情報キャプチャ低解像度の画像データ、及び画像情報の詳細を高めるためにネットワークを追加します。
彼らはまた、学ぶための再訓練された後の層に訓練されています。これらの予備訓練の層を使用する方法。次のように著者のデザインを安定させるために構成されています。
初期トレーニング、ある元の構造を維持しながら、Gプラスワンの二つの枝の両端に2件のブランチB、二つのブランチのアルファ重表現が存在することになる拡張のネットワーク層を有することを前提とし、但し、あろうスケールの不一致の問題、したがって、差分画像の大きさを使用する前に倍に直接的な方法、すなわち、構造2X