本論文では、視覚認識におけるデータ拡張の限界を超える新たなトレーニング手法「生成的ヒント」を提案します。従来のデータ拡張は、トレーニングデータの変換に基づいて不変特性を学習しようとしますが、完全には捕捉できません。生成的ヒントは、トレーニングセットに基づく生成モデルを用いて、ラベルのない仮想例を生成し、これを利用して不変特性を強制します。この方法では、モデルは分類とヒントの目的の両方において半教師ありの方法で訓練され、結果として生成的ヒントは標準的なデータ拡張を上回る性能を示しました。実験では、人気の高精度視覚分類ベンチマークにおいて最高1.78%の精度向上を達成し、CheXpert X線データセットでは平均1.286%のパフォーマンス向上を見せています。