データセットにある違う他の画像(instance)を条件付けで、マスクした画像を違うように復元する。variational lower boundを用いて、instance画像のfeatureと(instance画像をもとに)復元したマスク画像のfeatureを教師なし学習で潜在空間でone-to-one mappingにすることで可能。