StyleGAN은 style transfer를 기반으로 인물의 구체적인 특징(style)을 구분하여 부분적으로 합성할 수 있게 해줍니다. 따라서 StyleGAN의 구조에 있어서 얼마나 style을 잘 잡아내는지, 그 style이 다른 style의 변화에 영향을 주지 않고 독립적인지를 따져보아야 합니다.1. 개요구조 설명에 앞서 몇 가지 용어를 알아야 합니다.1.1. Entanglement / disentanglement 앞서 말했듯이 styleGAN에서 중요한 점은 어떤 style이 다른 style에게 영향을 미쳐서는 안된다는 것입니다.만약 각각의 style들이 서로에게 영향을 주는 상태라면 이를 engtangled라고 부릅니다.반대로 각각의 style들이 독립적으로 존재한다면 disentangled라고..

NVIDIA Tero Karras, Smuli Laine, Timo Aila의 논문입니다. 본문과 코드는 아래 github에서 확인할 수 있습니다.https://github.com/NVlabs/stylegan GitHub - NVlabs/stylegan: StyleGAN - Official TensorFlow ImplementationStyleGAN - Official TensorFlow Implementation. Contribute to NVlabs/stylegan development by creating an account on GitHub.github.com Abstract 본 논문은 style transfer literature에 기반한 새로운 GAN 구조를 고안했습니다. 이 새로운 구조는 사..

일반적인 GAN의 경우 생성하는 위조 데이터를 원하는 속성의 데이터로 생성해낼 수 없다는 단점이 있습니다. 예를 들어 강아지 사진을 생성하는 GAN 모델의 경우, 무작위 강아지 사진을 생성할 수 는 있지만, 푸들이나 리트리버와 같이 특정한 견종을 지정하여 생성할 수 없습니다.  이를 개선하기 위해 GAN에 추가적인 조건(condition)을 제공하여 구체적인 속성의 데이터를 생성할 수 있게 해주는 조건적 적대 생성 신경망(Conditional Generative Adversarial Network, CGAN)이 개발되었습니다. [1] 1. 구조 CGAN은 원하는 조건을 나타내는 condition 변수를 가지고 있음을 제외하면 GAN과 동일한 구조를 가지고 있습니다.이 condition 변수는 상황에 따라..

적대적 생성 신경망(Genrative Adversarial Neural network, GAN) 혹은 적대적 생성 모델은 신경망의 응용 기술 중 하나로, 주로 주어진 상황에 맞는 위조 데이터를 만들어내는 데 사용됩니다. 예를 들어 GAN은 가짜 인물사진이나 문장을 만들어낼 수 있습니다.  GAN은 2014년 신경정보시스템처리학회에(NIPS)에서  Ian Goodfellow에 의해 처음으로 제시되었고, 이후로 여러 변형과 응용을 거치며 널리 쓰이게 되었습니다. 1. 개요 GAN은 크게 Generator(생성자)와 Discriminator(판별자) 두 개의 모델로 이루어져 있으며, 이들이 서로 적대적으로 경쟁하면서 각자의 성능을 향상시키게 됩니다. - Generator : 위조값을 생성합니다. Discrim..

다음 블로그의 글을 참고하였습니다.https://ddongwon.tistory.com/124 [Pytorch] GAN 구현 및 학습1. 개요 https://github.com/godeastone/GAN-torch Pytorch 로 구현한 GAN 전체 코드는 위 git repository에서 확인할 수 있다. 2. GAN GAN은 2014년 Ian Goodfellow 님에 의해 개발되었다. GAN 논문에 대한 자세한 정보는 아래ddongwon.tistory.com 이전에 구현했던 적대적 생성 모델(GAN)에 몇 가지 변형을 추가하여 조건 적대적 생성 모델(Condition GAN, CGAN)을 구현하겠습니다. 0. CGAN 개요 CGAN은 GAN과는 달리 위조값 생성의 조건에 해당되는 condition 변..

인공 신경망을 만들 때는 많은 종류의 hyperparameter가 사용됩니다.이것들이 모델의 방향성을 결정하기 때문에, 모델의 성능에 직접적으로 영향을 주는 중요한 요소입니다. 따라서 앞서 구현한 GAN을 기반으로 hyperparameter의 값을 바꿔가며 그에 따른 변화를 확인하고자 합니다. 1. Amount of layers원본에서는 L1, L2, L3 세 개의 linear layer를 사용했습니다. 여기서 linear layer를 하나 더 추가해보았습니다.# hyperparamtermax_epoch = 200batch_size = 100lr = 0.0002img_size = 784noise_size = 100hidden_size1 = 256hidden_size2 = 512hidden_size3 = ..

다음 블로그의 글을 참고하였습니다.https://ddongwon.tistory.com/124 [Pytorch] GAN 구현 및 학습1. 개요 https://github.com/godeastone/GAN-torch Pytorch 로 구현한 GAN 전체 코드는 위 git repository에서 확인할 수 있다. 2. GAN GAN은 2014년 Ian Goodfellow 님에 의해 개발되었다. GAN 논문에 대한 자세한 정보는 아래ddongwon.tistory.com대표적인 손글씨 데이터셋인 MNIST를 기반으로 적대적 생성모델(GAN)을 구현하겠습니다. 0. GAN 개요여기에서 GAN의 자세한 설명을 참조할 수 있습니다. 식별자(Discriminator) : - 입력받은 데이터가 실제 데이터인지, 위조 데이..