南洋理工这个方向，我的判断是：切入角度很干净，至于效果好不好，得等更多人复现。
他们做的事说白了是在训练阶段给数据加了道“滤镜”。一般的图像生成训练，是把整张图的信息一股脑喂进去让模型自己消化；这个思路反过来，先把图像放到频率域里看，只挑数据里真正有用的那部分频谱让模型学。
为什么要绕到频率域？一张图拆成频谱以后，低频管的是大块明暗和整体轮廓，高频对应边缘、纹理，也混着不少噪声。在频率域里做取舍，传统信号处理里早就是老手艺了，滤波、压缩都靠它。但把这招用到生成模型的训练上，确实不常见。
动机我猜主要还是省算力、提效率。模型容量和训练预算都有限，花在拟合无关高频噪声上的那部分基本等于白花，筛掉之后力气才能用在刀刃上。当然“哪部分算有用”本身得有个靠谱的标准，这块要看论文细节。
我平时给学生讲图像处理，正好能拿它当例子：先让大家看看一张图的频谱长什么样，再讨论模型到底在学哪一段。比起一句“喂数据就行”，从频谱角度去理解模型在学什么，要直观得多。