python image $x ~ P\_{data}(x)$ : 실제 데이터 분포에서 샘플링한 데이터$P_z(z)$ : (주로) Gaussian 분포의 임의의 noise에서 샘플링한 데이터D는 총 출력을 최대화하기를 원한다. => $D(x)$ ≈ 1(진짜) & $D(G(z
DCGAN 기반objective function 언급이 없음.D는 $X{real}$들어갔을 때 Source = real일 확률 + $X{fake}$들어갔을 때 Source = fake일 확률을 maximize하도록 훈련함.G는 $X\_{fake} = G(z)$를 생성$
작성자 : 동덕여자대학교 정보통계학과 김민경 image-to-image translation에서 GAN 기반 방법(ex> CycleGAN, DiscoGAN 등)은 이미지의 object를 보존하는데 실패하는 경향이 있다.따라서 domain adaptation 등의 tas