StarGAN v2: 다중 영역을 위한 다양한 이미지 합성

좋은 이미지-이미지 변환 모델은 다양한 시각적 영역 간의 매핑을 학습하면서 다음 특성을 만족시켜야 합니다: 1) 생성된 이미지의 다양성과 2) 여러 영역에 대한 확장성. 기존 방법들은 이 중 하나의 문제만 해결하여 다양성이 제한적이거나 모든 영역에 대해 여러 모델을 사용합니다. 우리는 이러한 두 가지 문제를 모두 해결하고 기준 모델보다 크게 개선된 결과를 보이는 단일 프레임워크인 StarGAN v2를 제안합니다. CelebA-HQ와 새로운 동물 얼굴 데이터셋 (AFHQ)에서 수행된 실험은 시각적 품질, 다양성, 그리고 확장성 측면에서 우리의 우수성을 검증합니다. 이미지-이미지 변환 모델을 더 잘 평가하기 위해, 우리는 대규모의 영역 간 및 영역 내 차이를 가진 고품질 동물 얼굴 데이터셋 AFHQ를 공개합니다. 코드, 사전 학습된 모델, 그리고 데이터셋은 https://github.com/clovaai/stargan-v2에서 확인할 수 있습니다.