초록
고해상도의 사진적 이미지를 합성하는 것은 머신 러닝 분야에서 오랜 시간 동안 해결해야 하는 과제였습니다. 본 논문에서는 이미지 합성을 위한 생성적 적대 네트워크(GANs)의 향상된 훈련 방법을 소개합니다. 우리는 라벨 조건부를 사용한 GANs 변형 모델을 구축하여 전역 일관성을 보이는 128x128 해상도의 이미지 샘플을 생성하였습니다. 또한, 이전 연구에서 제시한 이미지 품질 평가 방법을 확장하여 클래스 조건부 이미지 합성 모델에서 샘플의 판별 가능성과 다양성을 평가하기 위한 두 가지 새로운 분석 방법을 제공합니다. 이러한 분석은 고해상도 샘플이 저해상도 샘플에 존재하지 않는 클래스 정보를 제공함을 입증합니다. 1000개의 ImageNet 클래스에 걸쳐, 128x128 해상도의 샘플은 인공적으로 크기를 변경한 32x32 해상도의 샘플보다 판별 가능성이 두 배 이상 높습니다. 또한, 84.7%의 클래스는 실제 ImageNet 데이터와 유사한 다양성을 보이는 샘플을 가지고 있습니다.