生成高分辨率逼真图像一直是机器学习领域的长期挑战。本文介绍了用于改进生成对抗网络（GANs）图像合成训练的新方法。我们构建了一种采用标签条件的GAN变体，该变体生成的128x128分辨率图像样本表现出全局一致性。我们在先前的图像质量评估工作基础上，提供了两种新的分析方法，用于评估类别条件图像合成模型生成样本的可区分性和多样性。这些分析表明，高分辨率样本提供了低分辨率样本中不存在的类别信息。在1000个ImageNet类别的测试中，128x128分辨率样本的可区分性比人工放大至32x32分辨率的样本高出两倍以上。此外，有84.7%的类别其生成样本的多样性与真实的ImageNet数据相当。