GAN 성능 향상을 위한 신경망 아키텍처 탐색과 텐서 분해

생성적 적대 신경망(GANs)은 고해상도 콘텐츠 생성에 효과적인 도구로 부상하고 있다. 본 논문은 이미지 생성을 위한 최적의 아키텍처를 탐색하기 위해 신경망 아키텍처 탐색(NAS)을 활용하고, 적대적 학습에 최대 평균 불일치(MMD) 반발 손실을 도입하는 새로운 학습 절차를 제안한다. 또한 생성기 네트워크는 텐서 분해를 통해 압축되어 계산적 부하와 추론 시간을 감소시키면서도 생성 성능을 유지한다. 실험 결과, CIFAR-10 및 STL-10 데이터셋에서 각각 FID 점수에서 34%, 28% 개선을 보였으며, 기존 문헌에서 보고된 최고의 FID 점수 방법 대비 각각 14배, 31배의 크기 축소를 달성하였다. 구현 코드는 다음 주소에서 확인할 수 있다: https://github.com/PrasannaPulakurthi/MMD-AdversarialNAS.