Provided are: a learning method and learning system of a generation model which can correspond to input data of an arbitrary size and suppress a calculation amount at the time of image generation； a program； a learned model； and a super-resolution image generation device. A learning method according to one aspect of the present disclosure is a learning method which performs machine learning on a generation model which estimates, from a first image, a second image including image information having higher resolution than the first image. The learning method uses a generative adversarial network including: a generator which is a generation model； and a discriminator which is a discerning model that discerns whether given data is data of an answer image for learning or data derived from an output from the generator, wherein learning is performed by mounting a self-attention mechanism only to a network of the discriminator among the generator and the discriminator.L'invention concerne : un procédé d'apprentissage et un système d'apprentissage d'un modèle de génération qui peuvent correspondre à des données d'entrée d'une taille arbitraire et supprimer une quantité de calcul au moment de la génération d'image ； un programme ； un modèle appris ； et un dispositif de génération d'image à super-résolution. Un procédé d'apprentissage selon un aspect de la présente invention est un procédé d'apprentissage qui effectue un apprentissage automatique sur un modèle de génération qui estime, à partir d'une première image, une seconde image comprenant des informations d'image ayant une résolution plus élevée que la première image. Le procédé d'apprentissage utilise un réseau antagoniste génératif comprenant : un générateur qui est un modèle de génération ； et un discriminateur qui est un modèle de discernement qui discerne si certaines données sont des données d'une image de réponse pour un apprentissage ou des données dérivées d'une sortie du générateur, l'apprentissage étant réalis
