本論文では、プライバシーや使用権、サイズ制約により元のトレーニングデータが利用できない場合に、事前学習された識別モデルから元のデータを再構築する「モデル逆転」に焦点を当てています。従来の密な逆転手法は、高解像度の画像を逆転する際に非常に非効率的ですが、本研究では、ノイズのある背景や虚偽の相関の冗長な逆転がこの非効率の原因であることを示しました。これを解決するために、ノイズの多い背景や潜在的な虚偽相関の逆転を停止し、意味的な前景のみを選択的に逆転する新しいスパースモデル逆転手法を提案します。このアプローチにより、既存の密な逆転手法の加速を実現し、データフリーのモデル量子化や知識転送において、比較可能な性能を維持または向上させることが確認されました。