고해상도 이미지 생성에 대한 적은 라벨 사용

깊은 생성 모델은 현대 머신 러닝의 핵심 요소가 되고 있습니다. 최근 조건부 생성적 적대 네트워크에 대한 연구는 자연 이미지에서 복잡하고 고차원적인 분포를 학습하는 것이 가능하다는 것을 보여주었습니다. 최신 모델들은 고해상도로 충실도가 높고 다양한 자연 이미지를 생성할 수 있지만, 대량의 라벨된 데이터에 의존하고 있습니다. 본 연구에서는 자기 지도 및 준지도 학습의 최근 연구를 활용하여 비지도 ImageNet 합성뿐만 아니라 조건부 설정에서도 기존 최신 기술을 능가하는 방법을 제시합니다. 특히, 제안된 접근 방식은 ImageNet에서 BigGAN(현재 최신 기술 조건부 모델)과 동등한 샘플 품질(FID로 측정)을 10%의 라벨만으로 달성하며, 20%의 라벨을 사용하면 이를 능가할 수 있음을 입증하였습니다.