생성모델 - 프로메디우스 기술 블로그

[논문리뷰] Adversarial Latent Autoencoders

본 논문은, GAN의 Generator를 F, G로 Discriminator를 E, D로 각각 분리해서 연구를 진행했습니다. F에서 나온 Latent space와 E를 통해 나온 latent space가 서로 동일한 분포를 가진다고 가정을 한 상태로 연구가 진행 되었으며, F는 deterministic하게 latent space mapping이 이루어지고, G와 E는 독립적이고 이미 알려진 분포의 노이즈인 \( \eta\)를 입력으로 주어 stochastic하게

논문리뷰

[GAN 시리즈][DCLGAN] Dual Contrastive Learning for Unsupervised Image-to-Image Translation - 1편

Abstract Unsupervised image-to-image translation 개념 Unsupervised image-to-image translation tasks는 unpaired train data에서 source domain X와 target domain Y 간의 매핑(mapping)을 찾는걸 목표로 하는 task 입니다. CUT(Contrastive Learning for unpaired image-to-image Translation) Contrastive Learning for unpaired image-to-image Translation은 두개의 도메인 (X, Y) 모두에 대해 하나의 Encoder만 사용하여 입력

논문 리뷰

[GAN 시리즈][StyleGAN] A Style-Based Generator Architecture for Generative Adversarial Networks -2편

StyleGAN은 PGGAN 구조에서 Style transfer 개념을 적용하여 generator architetcture를 재구성 한 논문입니다. 그로 인하여 PGGAN에서 불가능 했던 style을 scale-specific control이 가능하게 되었습니다. Paper 원문: StyleGAN: A Style-Based Generator Architecture for Generative Adversarial Networks StyleGAN official code(Tensorflow): https://github.com/NVlabs/stylegan 본 포스팅은 StyleGAN 2편으로 StyleGAN 1편을 읽고 오시면

논문리뷰

[GAN 시리즈][StyleGAN] A Style-Based Generator Architecture for Generative Adversarial Networks -1편

StyleGAN은 PGGAN 구조에서 Style transfer 개념을 적용하여 generator architetcture를 재구성 한 논문입니다. 그로 인하여 PGGAN에서 불가능 했던 style을 scale-specific control이 가능하게 되었습니다. Paper 원문: StyleGAN: A Style-Based Generator Architecture for Generative Adversarial Networks StyleGAN official code(Tensorflow): https://github.com/NVlabs/stylegan 1. Abstract [제안한 네트워크] Style transfer 문헌에서 차용한