AutoGAN: 생성적 적대 네트워크를 위한 신경망 아키텍처 검색

신경망 구조 탐색(Neural Architecture Search, NAS)은 이미지 분류와 (최근에는) 세그멘테이션 작업에서 성공을 거두었습니다. 본 논문에서는 NAS 알고리즘을 생성적 적대 네트워크(Generative Adversarial Networks, GANs)에 도입하는 첫 번째 예비 연구를 제시합니다. 이를 AutoGAN이라고 명명하였습니다. NAS와 GANs의 결합은 고유한 도전 과제를 안고 있습니다. 우리는 생성기 구조 변형에 대한 탐색 공간을 정의하고, RNN 컨트롤러를 사용하여 탐색을 안내하며, 매개변수 공유와 동적 재설정을 통해 프로세스를 가속화하였습니다. 인셉션 점수(Inception Score)가 보상으로 채택되었으며, 다단계 탐색 전략이 도입되어 단계적으로 NAS를 수행할 수 있도록 하였습니다. 실험 결과는 AutoGAN이 무조건적인 이미지 생성 작업에서 효과적임을 검증하였습니다. 특히, 우리 연구에서 발견된 구조들은 현재 최고 수준의 수작업 GANs와 비교해 매우 경쟁력 있는 성능을 달성하였으며, CIFAR-10에서 새로운 최고 수준의 FID 점수 12.42, STL-10에서 31.01을 각각 기록하였습니다. 또한, AutoGAN의 현재 한계와 미래 잠재력을 논의하는 내용으로 논문을 마무리합니다. 코드는 https://github.com/TAMU-VITA/AutoGAN 에서 확인할 수 있습니다.