よりユーザ入力のマスクと合っている動画の生成を可能にした点

・ロボットアームでのマニピュレーションのBAIRデータセットと、テニス動画のTennis Datasetにおいて、ちゃんとマスクを指定した正しい位置の動画を生成可能 生成品質もBAIRではSOTAとコンパラ、Tennis DatasetではSOTA ・2つのマスクを指定して訓練データにない2つのオブジェクトの生成可能（Tennis Dataset）

かなりユーザ入力のマスクに対して合っている出力を出せる点がウケたのではないか。