본 논문은 기존 암묵적 생성 모델의 불안정한 학습 역학 및 모드 소실 문제를 해결하기 위해 불변 통계 손실(ISL) 방법을 확장하여 중심 특징과 함께 분포의 꼬리까지 정확하게 모델링하는 Pareto-ISL을 제안합니다. 기존 ISL이 1차원 데이터에만 적용 가능하다는 한계를 극복하기 위해, 일반화된 파레토 분포(GPD)를 사용하는 생성기와 무작위 투영을 이용한 다차원 데이터에 적합한 새로운 손실 함수를 제시합니다. 실험을 통해 다차원 생성 모델링에서의 성능을 평가하고, GAN의 사전 학습 기법으로 활용하여 모드 붕괴를 방지하는 가능성을 보여줍니다. 특히, 실제 현상에서 나타나는 heavy-tailed 분포를 효과적으로 다루는 데 초점을 맞춥니다.
