DCI metricを使用してStyleGAN-2のW, W+とSの潜在空間のdisentanglementについて分析し、StyleSpaceが最もdisentangledだということを主張した。 異なる画像編集手法のdisentanglementを計測するために、Attribute Dependencyというmetricを提案した。

StyleSpaceの中で多くの意味があるchannelを発見することができた。今までの学習済みgeneratorの潜在空間を探索する画像編集手法と比較して、意味のあるchannelを発見しあるattributeに対応づけするためのコストが大幅に減少した。また画像編集の結果として、今までの手法と比べてDisentanglementが良くなり、一つの属性を編集した時、他の顔属性に対する影響が少ない。