PAPER REVIEW
DeLiGAN: Generative Adversarial Network for Diverse and Limited Data 논문 리뷰
Abstract GAN은 다양한 이미지를 가지고 사실적인 이미지를 생성하는 데 사용된다. 그러나 일반적으로 GAN 기반 학습 방식은 주어진 데이터 이미지의 양식의 다양성을 학습하기 위해 많은 양의 데이터가 필요하다. 본 논문에서는 다양하고 제한된 데이터셋에서 학습이 잘되도록 하는 GAN-based 기반 architecture인 DELIGAN을 제안한다. DeLiGAN은 latent generative space를 mixture model의 parameter를 학습시켜 추출한다. 이를 통해 제한된 데이터로 다양한 이미지를 생성할 수 있으며 이는 IS를 통해 효과를 증명했다. 또한 평가 지표인 modified version of IS를 소개한다. Introduction 다양한 이미지 categories는 e..
