DeliGAN1 반응형 [GAN 논문 리뷰] DeLiGAN : Generative Adversarial Networks for Diverse and Limited Data 이번에 리뷰할 논문은 DeLiGAN : Generative Adversarial Networks for Diverse and Limited Data 입니다. 2017 CVPR에 accept된 논문이며, 제목에서 알 수 있듯이, 제한된 데이터 상황에서의 GAN을 어떻게 잘 만들수 있는까에 관한 논문입니다. 일반적인 GAN의 경우에는 image modality 의 다양성을 확보하기 위해 많은 양의 데이터를 필요로 합니다. 본 논문에서는 mixture model을 통해 latent generative space를 reparameterize하고 GAN을 통해 mixture model들의 parameter를 학습시키는 구조를 제안 하였습니다. 이를 통해 제한된 데이터를 가지고 학습시켰을 때 다른 GAN에 비하여 .. 2018. 6. 2. 이전 1 다음
