受 FreezeD 迁移学习培训录像的启发，GitHub 用户 Bryandlee 测试了一个简单的想法，即在传递学习设置中冻结生成器的早期层，并且效果很好。这是一种伪翻译方法，因为应先将输入图像投影到学习的潜在空间，然后再传播投影的矢量以生成目标图像。因此，性能仅限于原始 GAN 的域内图像。Bryandlee 使用了 StyleGAN2 实现，通过固定早期图层的潜在向量并处理馈入最后一层的向量，可以分别控制渲染样式。对于具有较大几何变换的数据集（例如 face2simpsons），原始图像和生成的图像之间的连接变得不太直观。