와 신기하다
현재 이미지를 다른 분포에 있는 이미지로 변환해주는 것
GAN에서 Condition를 추가한 형태의 GAN
input은 Latant Vector(z)와 Condition(x), output은 생성 이미지
$$ L_{cGAN}(G, D) = E_{x,y}[\log D(x,y)]+E_{x,y}[1-\log D(x, G(x,z))] $$
단순히 Input에 Condition만 추가함.
기존의 CGAN에서 Latant Vector를 빼고, L2 Loss를 추가했다.
→ 하나의 input에 대해서 하나의 output만 나오게 하겠다
$$ L_{L1} = \sum_{i=1}^{n}{|y_i-f(x_i)|} $$
$$ L_{L2} = \sum_{i=1}^{n}{(y_i-f(x_i))^2} $$
$$ G^* = arg \ \min_G \max_D L_{cGAN}(G, D) + \lambda L_{L1}(G) $$
색을 유지하기 위해 L1 Loss를 사용
<aside> ❓ * L1 Loss 추가한 건 G 훈련할 때만 쓰겠다는 건가??? Loss 다르게 학습 가능한가???
→ G 모델은 MAE로 컴파일, D모델은 binary CrossEntropy, D(G())모델은 binary CrossEntropy
후 학습
</aside>