Post

Paper Review. Progressive Growing of GANs for Improved Quality, Stability, and Variation@arXiv’ 2018

Posted
By 1 min read

Introduction

Pregressive Growing of GANs

Normalization in generator and discriminator

Experiments

Conclusions & Reviews

  • 낮은 해상도에서부터 점차 고해상도를 학습시킴으로써 훈련 속도를 높이고, 안정화하였음.

  • CELEBA 에서 이전과 비교해 매우 좋은 이미지를 생성해 냄.

  • CIFAR10 에서 8.80 이라는 점수를 달성함.

  • GAN 결과를 평가하기위한 새로운 평가 지표를 제시함.

  • 학교과제에 적용하는 Style Gan 을 공부하기 전 base 가 되는 PGGan 을 학습하였는데, 모델 구조는 단순하지만 그 안에 적용한 내용들이 다소 어려웠다.

  • 각각의 내용들을 이해하는데 시간이 조금 많이 걸리긴 했지만 나중에 Style Gan을 공부할 때 도움이 많이 될거 같다.

Reference

  • [1] Improved Techniques for Training GANs@arXiv 2016
  • [2] 참고 블로그 : https://qiita.com/Phoeboooo/items/ea0e44733e2d2240879b
  • [3] Sliced Wasserstein distance: https://arxiv.org/pdf/1902.00434.pdf
Paper Reviews, CV
GAN Image Generation
This post is licensed under CC BY 4.0 by the author.