既存のGANの学習安定化の研究では、最初にノイズを加え、徐々に減らしていく方法がとられていたが、0に近付くにつれて不安定に戻っていた。これに対してノイズの加え方を工夫することでノイズを減衰させることなく安定な学習が可能になった

CIFAR10, STL-10, CelebAで定量的に、Imagenet, LSUN bedroomsで定性的に分析を行っており、SoTAな学習安定化手法であることを示した。また、ハイパーパラメータ、ネットワークの構造に対してのロバスト性を示した。