초록
우리는 스타일 전환 문헌에서 영감을 얻어 생성적 적대 네트워크의 대체 생성기 구조를 제안합니다. 새로운 구조는 고수준 속성(예: 사람 얼굴로 학습할 때 자세와 신원)과 생성된 이미지의 확률적 변동(예: 주근, 머리카락)을 자동으로 학습하고 비지도적으로 분리하며, 직관적이고 스케일별로 합성 과정을 제어할 수 있게 합니다. 새로운 생성기는 기존 분포 품질 지표 측면에서 최신 연구 결과를 개선하며, 보간 특성이 명백히 우수하고 잠재적인 변화 요인도 더 잘 분리됩니다. 보간 품질과 분리를 정량화하기 위해 우리는 어떤 생성기 구조에도 적용 가능한 두 가지 새로운 자동화된 방법을 제안합니다. 마지막으로, 우리는 다양성과 품질이 뛰어난 새로운 사람 얼굴 데이터셋을 소개합니다.