潜在変数zをデータx，ラベルyから得る（Variational Inference）．そして得られたzからx,yを再構成する，学習は入力のx,yと出力のx,yのWasserstein Distanceを最小化することでパラメータを更新する．推論時にyは与えられないので，ラベルを全パタン与えて出力を計算する．

ImbalancedにしたMNIST, Fashion-MNIST, SVHN, CelebA(blonde, black, bald, brown, gray)で実験．BAGAN，GAMO，BayesCNNなどの従来手法と比較して，tailなcategory・全カテゴリ共に精度が大きく向上．