近年，敵対的生成ネットワーク（Generative Adversarial Networks:GAN）により，画像の生成が多くの分野で行われている．音楽は時間と音高に軸に取ることで二次元に展開することができることから，GANを応用することができる．画像を利用した自動作曲の分野では，音楽の生成に特化したGANを用いた手法が提案されている．しかし，GANは音階の前後関係を認識することが出来ず，出力された旋律は，出力区間の前後で音階が崩れてしまう問題がある．本研究では，汎用敵対的生成ネットワークを用いて生成された旋律画像に対し，学習データから取得した音高遷移確率と画像濃度に着目し，生成された画像の特徴を損なうことなく補正する手法を提案する．