生成対抗ネットワークのための代替ジェネレータアーキテクチャを提案します。このアーキテクチャはスタイル転送に関する文献から着想を得ています。新しいアーキテクチャにより、高レベル属性（例：人間の顔を学習した場合の姿勢やアイデンティティ）と生成画像における確率的な変動（例：ほくろや髪）が自動的に学習され、非監督的に分離されます。また、合成において直感的かつスケール固有の制御が可能になります。新しいジェネレータは、従来の分布品質指標において最先端の成果を改善し、補完特性も明確に向上させ、潜在的な変動要因をよりよく解離させることが示されています。補完品質と解離度を定量的に評価するために、任意のジェネレータアーキテクチャに適用可能な2つの新しい自動化手法を提案します。最後に、多様性が高く品質も優れた新たな人間の顔データセットを紹介します。