尽管研究人员进行了大量研究，但众所周知，生成对抗网络（GAN）训练难度很大。谷歌 AI 的研究人员在新发表的一项研究中基于一致性正则化 (consistency regularization) 的概念，运用了半监督学习中的一种流行技术，提出了一种简单且有效的稳定器。他们对传递到 GAN 鉴别器的数据进行了扩充，并通过奖惩机制增强了鉴别器对这些扩充的敏感性。他们的一系列实验测试表明，"一致性正则化"可有效地用在频谱归一化和各种 GAN 的架构、损失函数和优化器设置中。他们最近发表的论文中还提到，与 CIFAR-10 和 CelebA 上的其他正则化方法相比，他们的方法在无限制图像生成方面获得了最佳的 FID 分数。