post-thumbnail

[논문 리뷰] Image Generation from Scene Graphs

생성 모델의 유용성으로 text로부터 이미지를 생성하는 모델들이 나왔으나 sentence에 많은 object가 존재할 때는 생성에 어려움이 있었다.선형 구조의 sentence를 위 그림과 같이 objects와 relationships로 표현하는 scene grah로 나

2022년 5월 2일
·
0개의 댓글
post-thumbnail

[Point Review] CircleGAN: Generative Adversarial Learning across Spherical Circles

GAN에서 Discriminator는 Generator가 만든 이미지가 실제 이미지의 prototype과 유사한지 평가하는 역할을 한다. 하지만 Single prototype은 mode collapsing 문제가 있고 이를 해결하고자 multiple discrimina

2022년 2월 14일
·
0개의 댓글
post-thumbnail

[논문 리뷰] SC-FEGAN: Face Editing Generative Adversarial Network with User’s Sketch and Color

딥러닝을 활용한 image completion method로 인해 그림에 전문성이 없는 사람들도 쉽게 이미지를 편집하는 것이 가능해졌다.가장 전형적인 방식은 square mask를 이용하는 것으로 encoder-decoder를 복원하는 생성자와 이를 실제 이미지인지 아

2021년 11월 13일
·
0개의 댓글
post-thumbnail

[논문 리뷰] Semantic Image Synthesis with Spatially-Adaptive Normalization

본 논문에서는 semantic segmentation mask를 사진처럼 변환해주는 조건부 이미지 합성 방식을 제안한다.기존에도 이와 같은 연구는 있었으나 semantic mask에 대해 "wash away" 현상이 나타난다는 문제점이 있었다.따라서, spatially

2021년 10월 31일
·
0개의 댓글
post-thumbnail

[논문리뷰] SentiGAN: Generating Sentimental Texts via Mixture Adversarial Networks

기계가 감정이 담긴 텍스트를 이해하고 생성한다는 것은 지능적이며, 사람들에게는 친화적이다. 하지만 감정 텍스트의 분류에는 큰 발전이 있었음에도 불구하고 생성모델에 대한 시도는 그동안 많이 이루어지지 않았다.저자들은 GAN을 활용한 텍스트 생성을 시도하려 했으나 mode

2021년 7월 2일
·
0개의 댓글
post-thumbnail

다양한 생성망 모델들(GAN,VAE,DCGAN,LSGAN,CatGAN)

위조 지폐범(Generator)와 경찰(Discriminator)의 대결G는 최대한 진짜 같은 모조품을 만들며, D는 진품과 모조품을 구별한다. 경쟁적 학습을 통해 결국 완전한 모조품을 만드는 것이 목표(위조 지폐범의 승리) GAN은 실존하지는 않지만 있을법한 이미지

2021년 7월 2일
·
0개의 댓글