뇌절맨

StyleGAN StyleGAN 네트워크의 특징들이 있는데, PGGAN 아키텍쳐의 성능을 향상시켜 고해상도 이미지 생성에 적합한 아키텍쳐를 제안함 Disentanglement 특성을 향상시킴 고해상도 얼굴 데이터셋(FFHQ)를 발표함. 이런 StyleGAN으로 도달하기 전의 과정을 호다닥 살펴보자면, 1 GAN('14) - - 2 DCGAN('16) - - 3 WGAN-GP('17) - - 4 PGGAN('17) - - 5 StyleGAN('18) 우선 유명한 GAN은 생성자, 판별자 두 개의 MLP 네트워크를 통해 MNIST 같은 심플한 데이터에 대해 제법 성공적으로 이미지를 생성하였는데, 일반적인 이미지에 대해서는 학습의 안정성이 매우 떨어졌습니다. DCGAN에서는 deep convolution la..

자꾸 핵심을 잊을 때가 많아서 개인적으로 스토리를 만들어서 적어보는 시리즈입니다. GAN 어때 시리즈 - StyleGAN StyleGAN2를 이용한 이모티콘 생성 프로젝트를(https://github.com/GAN-ji) 끝낸 이후로 관련 내용들이 상당히 어렵고 개인적으로 정리가 필요해서 시작하는 시리즈입니다. 다시 공부하면서 제가 기억하기 좋게, 설명하기 좋은 방향으로 적다보니 뇌피셜이 많을 수 있습니다. 잘못된 부분을 잡아주시면 오히려 감사드립니다. Pixel 비교보다는 Feature 비교 GAN으로 생성된 이미지를 비교할 때 어떻게 비교하면 좋을지에 대한 고민은 현재 진행형입니다. 컴퓨터는 보통 이미지를 RGB의 채널들과 0~255의 픽셀로서 인식하니까 "Pixel로 비교해보면 어떨까?" 라는 생각..