النماذج التوليدية المدربة بشكل معادٍ (GANs) حققت مؤخرًا نتائج مثيرة للإعجاب في توليد الصور. ومع ذلك، على الرغم من النجاحات المبكرة في استخدام GANs لتعلم التمثيل بدون إشراف، فقد تم تجاوزها منذ ذلك الحين بالطرق المستندة إلى الإشراف الذاتي. في هذا العمل، نظهر أن التقدم في جودة توليد الصور يترجم إلى تحسين كبير في أداء تعلم التمثيل. نهجنا، BigBiGAN، يستند إلى نموذج BigGAN الرائد، ويقوم بتوسيعه لتعلم التمثيل بإضافة كودر وتعديل المميز (discriminator). قمنا بتقييم شامل لقدرات تعلم التمثيل وتوليد الصور لهذه النماذج BigBiGAN، مما يدل على أن هذه النماذج القائمة على التوليد تحقق أفضل الأداء في تعلم التمثيل بدون إشراف على ImageNet وكذلك في توليد الصور بدون شروط. يمكن الحصول على نماذج BigBiGAN المدربة مسبقًا - بما فيها مولدات الصور والكودرات - من TensorFlow Hub (https://tfhub.dev/s?publisher=deepmind&q=bigbigan).