역할 가능한 조건부 GANs를 이용한 이미지 편집

생성적 적대 네트워크(GANs, Generative Adversarial Networks)는 최근 복잡한 데이터 분포를 성공적으로 근사하는 능력을 보여주었습니다. 이 모델의 관련 확장은 외부 정보의 도입을 통해 생성된 이미지의 특정 표현을 결정할 수 있는 조건부 GANs(cGANs, conditional GANs)입니다. 본 연구에서는 cGAN의 매핑을 역으로 변환하기 위한 인코더를 평가합니다. 즉, 실제 이미지를 잠재 공간과 조건부 표현으로 매핑하는 것입니다. 이를 통해 예를 들어, 임의의 속성을 조건으로 하여 실제 얼굴 이미지를 재구성하고 수정할 수 있습니다. 또한, cGAN 설계에 대한 평가도 수행합니다. 인코더와 cGAN을 결합한 모델, 즉 역변환 가능한 cGAN(IcGAN, Invertible cGAN)은 결정론적인 복잡한 수정을 통해 실제 이미지를 재생성할 수 있게 합니다.