نقترح نهجًا جديدًا لإنتاج إصدارات ملونة متعددة تلقائيًا من صورة رمادية. ينتج هذا الأسلوب لدينا من الملاحظة أن مهمة التلوين الآلي نسبيًا سهلة مع وجود إصدار ذي دقة منخفضة للصورة الملونة. أولاً، ندرب شبكة PixelCNN شرطية لتوليد لون ذو دقة منخفضة لصورة رمادية معينة. ثم، مع وجود الصورة الملونة ذات الدقة المنخفضة التي تم توليدها والصورة الرمادية الأصلية كمدخلات، ندرب شبكة CNN ثانية لتوليد تلوين ذو دقة عالية للصورة. نوضح أن نهجنا ينتج تلوينات أكثر تنوعًا وواقعية من الطرق الموجودة، كما حُكم عليها بواسطة محكمين بشر في "اختبار تورينغ البصري" (Visual Turing Test).