생성적 적대 네트워크를 위한 스펙트럼 정규화

생성적 적대 네트워크(GAN) 연구에서의 한 가지 도전 과제는 그 학습의 불안정성입니다. 본 논문에서는 판별기의 학습을 안정화하기 위한 새로운 가중치 정규화 기법인 스펙트럼 정규화(spectral normalization)를 제안합니다. 우리의 새로운 정규화 기법은 계산량이 적고 기존 구현에 쉽게 통합할 수 있습니다. 우리는 CIFAR10, STL-10, 그리고 ILSVRC2012 데이터셋을 사용하여 스펙트럼 정규화의 효과를 테스트하였으며, 실험적으로 스펙트럼 정규화가 적용된 GANs(SN-GANs)가 이전 학습 안정화 기법들에 비해 동등하거나 더 우수한 품질의 이미지를 생성할 수 있음을 확인하였습니다.