本論文では、単一画像に基づく条件付き画像操作のための生成モデルであるDeepSIMを提案します。私たちは、広範なデータ拡張が単一画像学習を可能にする鍵であることを発見し、その有効な拡張手法として薄板スプライン（Thin-Plate-Spline: TPS）の使用を取り入れました。当社のネットワークは、画像の原始表現とその画像自体との間のマッピングを学習します。原始表現の選択は、操作の容易さと表現力に影響を与え、自動的（例：エッジ）、手動（例：セグメンテーション）またはハイブリッド（例：セグメンテーション上でのエッジ）などの方法で行うことができます。操作時には、当社のジェネレータは原始入力表現を変更し、それをネットワークを通じてマッピングすることで複雑な画像変更を可能にします。本手法は、画像操作タスクにおいて優れた性能を達成することが示されています。