1주차 정리를 못 해서.. 한 번에 할게요!

GAN 개념 요약

GAN은 Generator와 Discriminator 두 개의 네트워크 구조를 가짐.

                                              object function

Generator

• 실제와 가까운 이미지를 생성하는 역할.

D(G(z))를 1에 가깝게 만들어 object function을 최소화한다. 즉, 생성하는 이미지가 실제 이미지와 가깝도록 하여 실제 데이터가 가지는 정규 분포를 따라가도록 한다.

But

• 위의 함수를 그대로 사용하면 문제가 발생함.

초기 학습 시에는 생성된 이미지가 단순한 랜덤 노이즈임. 따라서 Discriminator가 바로 샘플을 제껴버리는데 이때 log(1 − D(G(z))) 부분에서 saturation을 일으킴.

(saturation = 기울기가 0이 되어 더 이상 가중치를 update할 수 없게 되는 현상)

           generator의 object function                   

→ log D(G(z))를 최대화하는 방향으로 학습!