本研究では、動画に対する生成対抗ネットワーク（GAN）で用いられる識別器について分析を行う。我々は、制約のない動画識別器アーキテクチャが、高い曲率を持つ損失面を引き起こすことを示す。この曲率は、動画識別器の最大カーネル次元が大きくなるにつれてさらに顕著になることも明らかにした。これらの観察に基づき、本研究ではGAN向けに効率的な低次元動画識別器（LDVD GAN）の族を提案する。提案する識別器族は、適用される動画GANモデルの性能を向上させ、UCF-101をはじめとする複雑で多様なデータセットにおいて優れた性能を示す。特に、Temporal-GANの性能を2倍に向上させ、単一のGPU上で最先端の性能を達成できることを示した。