에너지 기반 생성적 적대 네트워크의 교정

본 논문에서는 생성적 적대 네트워크(Generative Adversarial Networks, GAN)에 샘플의 직접 에너지 추정 능력을 부여하는 방법을 제안합니다. 구체적으로, 유연한 적대 학습 프레임워크를 제안하고, 이 프레임워크가 생성기(generator)가 진짜 데이터 분포로 수렴하도록 보장함과 동시에 판별기(discriminator)가 전역 최적에서 밀도 정보를 유지할 수 있도록 하는 것을 증명합니다. 우리는 유도된 해의 해석적 형태를 도출하고, 그 특성을 분석합니다. 제안된 프레임워크가 실제로 학습 가능하도록 하기 위해 두 가지 효과적인 근사 기법을 소개합니다. 경험적으로, 실험 결과는 우리의 이론적 분석과 매우 일치하며, 판별기가 데이터 분포의 에너지를 복원할 수 있음을 확인합니다.