الشبكات العصبية التوليدية المتنافسة المشروطة (Conditional GANs) تُعد في طليعة التركيب الصوري الطبيعي. العيب الرئيسي لهذه النماذج هو الحاجة إلى بيانات مصنفة. في هذا البحث، نستغل تقنيتين شهيرتين للتعلم غير المشرف، وهما التدريب المتنافس والرقابة الذاتية، ونخطو خطوة نحو جسر الفجوة بين الشبكات العصبية التوليدية المتنافسة المشروطة وغير المشروطة. بصفة خاصة، نسمح للشبكات بالتعاون في مهمة تعلم التمثيلات، بينما تكون متنافسة فيما يتعلق بلعبة GAN التقليدية. دور الرقابة الذاتية هو تشجيع المميز على تعلم تمثيلات خصائص ذات معنى لا يتم نسيانها أثناء التدريب. نختبر تجريبيًا كلًا من جودة التمثيلات الصورية المُتعلمة وجودة الصور المركبة. تحت نفس الظروف، تحقق الشبكة العصبية التوليدية المتنافسة ذات الرقابة الذاتية أداءً مشابهًا لأفضل النظائر المشروطة حاليًا. أخيرًا، نوضح أن هذا النهج للتعلم غير المشرف بالكامل يمكن توسيعه لتحقيق مؤشر الاختلاف الدلالي (FID) قدره 23.4 في تركيب صوري ImageNet غير مشروط.