GTと推論結果との差分を見て、それの分散が大きい箇所がアーティファクト発生場所であると指摘し、これをロスの重みづけマスクとする。さらにモデルも安定化のために EMAでのウエイト平均を取るが、その結果悪化した箇所に上記のマスクを制限することにより、さらにアーティファクト部位を決定できている。

任意のGANモデルに組み込み可能であり、実際多くの既存モデルに対して効果があることを実証。またエポック増加に伴うモデル出力の変化度合いが軽減されていることも定量評価している。

アーティファクト発生部位が高周波領域に集中することは容易に想像可能だが、その中でも葉っぱや動物の毛といった領域はアーティファクトを認知しずらいこと、そしてこれは分散として簡単に捉えられるという演繹が非常に明快。手法の簡易さ、汎用性の面でも非常に優れている。 https://github.com/csjliang/LDL.