Gaussian process (GP) ベースのSemi-supervised learning (SSL)フレームワークを提案した。l1 lossとperceptual lossを使用して、ラベル付きデータを学習させます。 ラベルがないデータは、ラベル付きとラベルなしの潜在空間ベクトルを共同でモデル化して、潜在空間での疑似GTを推定します。