特徴の疎さにより、ノイズは手書き文字の分類において大きな妨げとなっています。これを克服するために、多くの手法では分類前にデータの除噪を行っています。本論文では、そのアプローチを統合し、ノイジーな文字でも分類可能な統合モデルの訓練方法を提案します。分類のために、低解像度から高解像度へと段階的にキャラクタ生成対抗ネットワーク（Classifier Generative Adversarial Network: CGAN）を訓練します。各解像度で独立して特徴を学習することで、訓練されたモデルはノイズが存在する場合でも正確に文字を分類することが可能であることを示しています。実験結果により、MNIST、手書きベンガル数字、および基本文字データセットのノイジー版に対する当アプローチの有効性を証明しています。