本研究探讨了在有限训练数据下开发人工智能模型的方法。通过迁移学习，显著降低了所需数据量，并且使用小模型不会影响性能，具有重要的应用价值。

该论文提出了一种正则化方法来训练健壮的 GAN 模型，提高泛化性能和稳定学习动态方面的有效性。实验证明该方法在有限的训练数据下表现更好。