Gan
-
[논문리뷰] Coupled Generative Adversarial NetworksArtificial Intelligence/Computer Vision 2021. 7. 25. 05:49
개요 본 논문은 Multi-domain image의 Joint Distribution을 학습하는 문제를 해결하는 방법을 제안하고 있습니다. 이와 같은 학습의 효과로는 도메인 적용 또는 이미지 변환을 기대할 수 있는데요, 다만 기존의 학습 방법들은 다른 도메인에서 대응하는 이미지들을 묶어둔 데이터셋이 필요하다는 한계점이 있었습니다. 이러한 한계점을 극복하고자, CoGAN은 각 도메인의 Marginal Distribution으로부터 뽑아낸 Sample들로 Joint Distribution을 학습하는 방법을 고안해내었습니다. 공식 코드 링크: https://github.com/mingyuliutw/cogan GitHub - mingyuliutw/CoGAN Contribute to mingyuliutw/CoGA..
-
[논문리뷰] DCGAN: UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKSArtificial Intelligence/Computer Vision 2021. 5. 20. 00:34
개요 GAN 시리즈의 2번째 논문, DCGAN입니다. DCGAN은 노이즈가 많고, 학습 결과를 해석하기 어렵다고 일컬어지는 Plain GAN을 CNN 아키텍처를 도입함으로써 이를 안정화시켰다고 알려져 있습니다. 개인적으로 인상적이었던 점은 이 연구의 주안점이 GAN 자체를 발전시키는 것이라기보다 더욱 안정화된 GAN을 사용해 Unsupervised Learning을 보다 효과적으로 하는 데에 있었다는 것입니다. 이 점을 유의해서 논문을 간략하게 살펴보도록 하겠습니다. Approach & Model Architecture CNN 아키텍처를 GAN에 도입하려고 한 시도는 이 논문이 처음이 아니지만, 성공적이지 못했습니다. 그리고 DCGAN 연구진분들 역시 주로 Supervised Task에 사용되는 CNN을..
-
[논문리뷰] Generative Adversarial NetsArtificial Intelligence/Computer Vision 2021. 5. 13. 04:16
개요 딥러닝의 대가인 Ian Goodfellow에 의해 쓰여진 이 논문은 2014년에 NIPS에 발표되어 지금까지 30,000회가 넘는 인용수를 자랑하며 생성 분야에 있어서 새로운 지평을 열었다고 해도 과언이 아닌 성과를 낳았습니다. AlexNet이 ILSVRC에서 우승을 한 것이 2012년이니 딥러닝이 다시 본격적으로 주목받게 된지 시간이 좀 지난 후였습니다만, 아쉽게도 딥러닝은 아직 그 저력을 분류 모델에서만 보인 상태였습니다. Maximum Likelihood Estimation(MLE) 등에서 발생하는 확률 연산들을 근사하는 것, 생성의 관점에서 개별적인 선형 데이터들로부터 얻을 수 있는 이득을 극대화하는 것이 어려웠기 때문입니다. 이러한 한계점을 저자는 새로운 데이터를 만들어내는 Generato..
-
[코드리뷰] StarGANArtificial Intelligence/Computer Vision 2021. 5. 4. 18:09
지난번에는 StarGAN 논문을 훑어보며 StarGAN이 어떻게 여러 도메인 간의 translation을 하나로 통합하여 학습하며 그것이 어떻게 더 좋은 결과를 가져오는지를 살펴보았습니다. 수식 등을 통하여 이론적으로 어느 정도 파악했으니, 코드를 살펴봄으로써 어떻게 각 이론들을 실제로 구현하였는지 알아보는 것이 매우 큰 도움이 되리라 봅니다. 공식 코드 출처는 다음과 같습니다. https://github.com/yunjey/stargan yunjey/stargan StarGAN - Official PyTorch Implementation (CVPR 2018) - yunjey/stargan github.com DataLoader def get_loader(image_dir, attr_path, selec..
-
[논문리뷰] StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image TranslationArtificial Intelligence/Computer Vision 2021. 3. 30. 07:27
개요 기존의 GAN 기반 Image-to-Image Translation 모델들은 domain을 바꿀 때마다 해당 translation에 대한 모델을 가지고 있어야 했습니다. 예를 들어 blond hair와 black hair라는 두 domain에 대해 학습할 때, blond에서 black으로 바꾸는 모델과 black에서 blond로 바꾸는 모델이 별개로 존재한단 이야기입니다. 때문에 k개의 도메인을 가지고 있을 때에 k(k - 1)개의 translation model을 가지게 되며, 이는 데이터를 충분히 활용하지 못하는 동시에 parameter 수를 불필요하게 늘리는 결과를 낳았습니다. StarGAN은 이러한 점에 착안해 서로 다른 domain 간의 translation을 단 하나의 모델로도 가능하도록..