'gan' 태그의 글 목록 — 뚝딱이

gan

PAPER REVIEW

Conditional Generative Adversarial Nets(2014)

보호되어 있는 글입니다.

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..

Generative model

[GAN] GAN의 평가 지표

GAN의 문제 a) Overfitting b) 상속 부족 c) Mode Collapse d) Mode Dropping GAN의 성능 평가 정해진 Label이 없는데 어떤 방식으로 GAN 모델의 성능을 평가해야 할까? Generative Adversarial Networks의 성능을 평가하는 것을 쉽지 않다. 객관적인 평가 기준이 없기 때문이다 성능 평가를 할 수 없다는 것은 훈련 중 최종 GAN 모델 선택 GAN 기능을 시연하기 위해 생성된 영상을 선택 GAN의 아키텍처 비교 GAN의 구성 비교 등을 할 수 없는 문제가 발생하고 가장 최적의 모델을 찾지 못하게 된다. Manual Evaluation 사람이 직접 평가하는 방법으로 각 epoch 마다 생성된 이미지를 보고 평가한다. 이 방법은 매우 간단하지..

Generative model

[GAN] 생성 모델 GAN의 이해

GAN (Generative Adversarial Network) 이미지 생성에 자주 쓰이는 모델로 학습 데이터 셋과 유사한 이미지를 만들도록 학습됨. unlabeled data를 사용하며 Generator는 데이터의 확률 분포를 학습함 파란색 점선: Discriminator distribution 검은색 점선: Real data distribution 초록색 실선: Fake data distribution Generator가 실제 이미지의 분포를 학습하는 과정이며 Discriminator는 Generator의 학습 방향을 안내함 백쿼리 backquery 기본적으로 신경망은 데이터셋의 정보를 감소하고 정제하고 축약하는 과정에 쓰인다 -> CNN의 classification을 예시로 들면 3x32x32의 ..