目標はモデルをGeneralize（汎用化）すること。 Manipulation Detection ModelはReal-ImageとFake-Imageを見分けられるよう学習するが、このとき学習用のFake画像を生成したGeneratorに過適合しがちである、言い換えると他のGeneratorが生成したFake画像を見抜く性能が不足する点を課題として指摘している。

従来のReal-imgに複数パターンの加工をした画像をRealとする。RealをGeneratorに入力して得た画像をFakeとする。このフレームワークでReal/Fakeを見抜くモデルを学習する。 通常はreal=X, fake=G(X)だが、本論文ではreal=T(X), fake=G(T(X))という点が従来と異なる。前者だと、Gに過適合しそうだが、Tを挟むことで過適合を防いだ。

従来は、いかに学習価値のあるFake画像を生成するか、いかにそのような生成モデルを構築するか？が論点になることが多かった。本論文では、生成モデルの構築ではなく、生成モデルへのか適合を課題として設定した点がユニークだった。