Contribution

GAN에서 Discriminator는 Generator가 만든 이미지가 실제 이미지의 prototype과 유사한지 평가하는 역할을 한다. 하지만 Single prototype은 mode collapsing 문제가 있고 이를 해결하고자 multiple discriminator가 등장했으나 연산량 문제가 있다.
-> hypersphere embedding space를 활용하여 real image는 중심부인 가장 큰 원에 위치하고, fake image는 바깥으로 밀어내 작은 원에 위치하도록 만들자

Method

• 중심점 $c$와 중심축 $p$는 학습되는 값
• $v^{proj}$는 embedding vector를 $p$에 projection한 벡터를 의미하며 $v^{rej}$는 $v^{emb}$와 $v^{proj}$의 오차이다.
• 모든 $v^{emb}$들은 hypersphere 상의 원 $w$ 위에 위치하게 되며 이 때 $v^{rej}$은 원의 반지름을, $v^{proj}$는 원까지의 거리를 의미하고 두 값 모두 원의 크기와 비례한다.
• 큰 원에 $v^{emb}$가 놓일 때 diversitiy를 확보할 수 있으므로 $v^{proj}$가 작고 $v^{rej}$가 커지도록 학습한다($s^{add}$)
• $s^{mult}$는 $p$와 $v^{emb}$의 각도를 활용한 방법

Results

Reference

• https://arxiv.org/pdf/2011.12486.pdf