초록
생성적 적대 네트워크(GANs)와 데이터 포인트를 인코딩하는 방법을 학습하는 인코더를 결합한 연구는 비지도 방식으로 데이터 표현을 학습하는 데 유망한 결과를 보여주었습니다. 우리는 라벨이 필요 없이 데이터 분포에 대한 의미 있는 정보를 인코딩할 수 있는 분리된 표현을 학습하기 위해 인코더와 생성기를 결합한 프레임워크를 제안합니다. 현재의 접근 방식이 주로 GANs의 생성 측면에 초점을 맞추고 있는 반면, 우리의 프레임워크는 실제 데이터 포인트와 생성된 데이터 포인트 모두에서 추론을 수행할 수 있습니다. 여러 데이터 세트에 대한 실험 결과, 인코더가 해석 가능하고 분리된 표현을 학습하여 특정 특성을 가진 이미지를 샘플링하는 데 사용될 수 있음을 보여주었습니다.