고해상도 딥 컨볼루션 생성적 적대 네트워크

생성적 적대 네트워크 (Generative Adversarial Networks, GANs) [Goodfellow 등, 2014]는 고해상도 환경에서 GPU 메모리 용량의 제약 조건 하에 수렴률 안정성이 부족하여 어려움을 겪어 왔습니다. DCGAN (Deep Convolutional Generative Adversarial Networks) [Radford 등, 2016]의 네트워크 수렴성을 향상시키고 좋은 품질의 고해상도 결과를 얻기 위해, 최신 기술을 활용한 새로운 계층화된 네트워크인 HDCGAN을 제안합니다. 또한 입력 크기를 망원경 ζ를 통해 확대하여 GAN이 생성한 최종 결과를 임의로 개선할 수 있는 메커니즘인 Glass를 소개합니다. 다양한 조명 조건과 이미지 해상도에서 다른 민족 집단의 인간 얼굴을 포함하는 새로운 편향 없는 데이터셋 Curtó & Zarza가 소개됩니다. Curtó는 HDCGAN으로 생성된 합성 이미지를 추가하여, 처음으로 GAN으로 증강된 얼굴 데이터셋이 되었습니다. CelebA [Liu 등, 2015], CelebA-hq [Karras 등, 2018] 및 Curtó에서 광범위한 실험을 수행했습니다. HDCGAN은 CelebA에서 현재 최고 수준의 합성 이미지 생성 성능을 보여주며, MS-SSIM 값은 0.1978이고 FRÉCHET Inception Distance 값은 8.44입니다.