2달 전

품질 인식 생성적 적대 네트워크

Kancharla, Parimala ; Channappayya, Sumohana S.
품질 인식 생성적 적대 네트워크
초록

생성적 적대 네트워크(GANs)는 고차원 확률 분포를 암시적으로 학습하는 매우 인기 있는 도구가 되었습니다. GAN의 초기 공식화에서 모드 붕괴, 수렴 문제, 얽힘, 시각적 품질 저하 등의 단점을 해결하기 위해 여러 개선이 이루어졌습니다. GAN이 생성한 이미지의 시각적 품질을 개선하기 위한 노력이 상당히 많이 이루어졌음에도 불구하고, 목적 함수나 GAN 목적 함수의 정규화 항으로 객관적인 이미지 품질 지표가 사용되지 않은 것은 다소 놀랍습니다. 본 연구에서는 구조적 유사도(SSIM) 지수(인기 있는 전체 참조 기반 이미지 품질 평가 알고리즘) 변형인 거리 지표와 자연 이미지 품질 평가(NIQE, 인기 있는 무참조 기반 이미지 품질 평가 알고리즘)에서 영감을 받은 새로운 품질 인식 판별자 그래디언트 패널티 함수를 각각 GAN 목적 함수의 우수한 정규화 항으로 사용할 수 있음을 보여줍니다. 특히, CIFAR-10, STL10 및 CelebA 데이터셋에서 Wasserstein GAN 그래디언트 패널티(WGAN-GP) 프레임워크를 사용하여 최고 수준의 성능을 달성함을 입증합니다.

품질 인식 생성적 적대 네트워크 | 최신 연구 논문 | HyperAI초신경