Councilの各構成員は1つのGと2つのDから成る。Gと1つのDは変換とその変換の真贋をターゲットドメインで測る通常のGAN的フレームワークを担当しつつ、他方のDはこのGの生成と他のGの生成の差異を測るという点が新規。これによりこのGは他のGと合致するような特徴を捉えた変換をするように学習、各Gで多様な変換をしつつも共通の構造を捉えた変換を目指す。

既存手法では困難であった 1) 大きなオブジェクトの除去、2) cycle consistent な制約から来る “入力ドメインの特徴を引きずった” 生成の回避、3) 形状の大きな変更を伴う変換が可能となった。定量的にも、定性的にも、CycleGAN を含む既存の SOTA を凌ぐ結果であった。