GAN (Generative adversarial nets)

GAN 구조

train 과정

• 검정 점선: 실제(진짜) 데이터
• 초록 선: generator가 생성한 가짜 데이터
• 파랑 점선: discriminator의 real/fake 판단

✔️ 처음에는 Generator의 성능이 좋지 않아 Discriminator의 정답률이 높은데, 점점 Generator가 생성한 가짜 데이터가 실제 데이터와 유사해지면서 Discriminator의 성능이 1/2로 수렴한다.

Value function

$min_Gmax_DV(D, G) = \mathbb{E}_{x~p_{data}(x)}[logD(x)]+\mathbb{E}_{z~p_z(z)}[log(1-(G(z))]$

• -∞ ~ 0
• Discriminator는 V(D, G)를 maximize해야 함
  • 진짜 데이터 x일 때 D(x) = 1이 되도록
  • 생성한 가짜 데이터 G(z)일 때 (D(G(z)) = 0이 되도록
• Generator는 V(D, G)를 minimize해야 함
  • D(G(z))=1이 되도록

Experiment

• Generator 128 - 256 - 512 - 1024 - 1024
• Discriminator 512 - 256 - 1
• Cross entropy loss
• Adam optimizer
• Epoch 10

Loss

Result images

• Epoch 0

• Epoch 3 ~ 4

• Epoch 8 ~ 9