画像に対する反実仮想説明を生成する研究。これまでの研究は画像一枚に対して最適化を行う必要があり、応用面を考えると非常にコストがかかっていた。また、生成される解像度にも限界があったが、大規模モデルで学習済みの生成モデルを併用できるようになったため、高解像度の画像を生成することもできるようになった。さらに既存の定量的な評価指標が入力画像のスコアのみに依存していることを指摘した新たな評価指標も提案した。