RM7 RM7

요약: Image-to-Image translation에서 paired training data가 있는 경우는 많지 않다. 즉, 다수가 Unpaired Image-to-Image Translation이다. 이 경우에 source domain X에서 target domain Y로 translate하도록 학습한다. 목표는 adversarial loss를 사용하여 G(X)에서 Y로 mapping하는 것을 학습하는 것이다. 이때 G(X)로부터의 이미지를 Y를 통해 식별할 수 없도록 한다. 이 mapping은 제약이 많아서, 역으로 mapping하는, F(Y) → X를 사용하고 cycle consistency loss란 것을 사용한다. 1. 소개이 논문에선 1개의 이미지에서 특별한 특징들을 capture하고 un..

요약: cGAN을 image-to-image translation에 사용한다. 이 net은 input 이미지를 output 이미지에 매핑하고, 이 매핑을 훈련하기 위해 loss function을 학습한다. 이런 방법은 라벨맵으로부터 사진종합, edge맵으로부터 object 재구성, 이미지 색상화 등에 효과적이다. 1. 소개... 2. 관련 연구과거 연구와 달리, G에 U-Net을 사용하고 D에 PatchGAN을 사용한다.PatchGAN은 이미지 패치단위로 구조를 penalize한다. 3. 방법3.1 Objective전통 방법론은 GAN에서 L2 거리를 사용하였다.이때 G는 D를 속이기 위해 노력하면서, L2 안에 ground truth output이 가까워지도록 한다.논문에서는 실험을 위해 L2 대신 L..

요약: G와 D에 condition을 적용한다. multi-modal 모델에 적용되는 방법을 설명하고 설명태그가 어떻게 생성되는지 예시를 제공한다. 1. 소개모델에 추가적 정보로 condition을 주는 것으로 인해 데이터 생성과정에 직접 영향을 주는 것이 가능해진다.이런 컨디셔닝은 class label, 복원을 위한 데이터의 어떤 부분, 다른 양식modal의 데이터을 기반으로 한다.논문에서는 2개의 실험을 하는데, 하나는 MNIST에 class label이 들어간 것이고, 다른 하나는 multi-modal learning을 위한 MIR Flickr 데이터이다. 2. Conditional Adversarial NetsGAN의 G와 D에 추가적 정보 y를 조건부로 준다. y는 class label도 될 수..