# gan

ssw123

G(생성 모델)의 목적 내가 닮고자 하는 data의 분포와 가장 유사하도록 Generator의 분포를 형성data의 분포 : PdataGenerator의 분포 :Pg따라서 Pdata와 Pg의 거리를 최소로 만들어 주는 것 (최상의 경우)(두 확률 분포를 완전히 같게 만

ssw123

GAN의 기본정보GAN에서 다루고자하는 모든 데이터→ 확률분포를 가지고 있는 RV(random variable)확률분포를 알면 그 데이터의 예측 기대값, 데이터의 분산을 알 수 있음데이터의 통계적 특성을 분석 가능→ 주어진 확률분포를 따르도록 데이터를 임의생성→데이터는

ssw123

GAN(생성적 적대 신경망)서로 대립하는 두 시스템의 경쟁을 통해 학습하는 방법론생성자와 판별자 간의 경쟁적인 학습을 통해 생성자는 실제 데이터와 유사한 데이터를 생성하도록 개선된다GAN은 원 데이터가 가지고 있는 확률 분포를 추정하도록 하고, 인공신경망이 그 분포를

flatfish_selfish

DragGAN 논문 리뷰

wsh7787

일관성있고 의미있는 text를 자동으로 생성하는 기계번역, 대화 시스템, Image-caption 등에서 많은 응용분야를 가지고 있다. Reinforcement learning policy로써 generative model은 text생성에서 유망한 결과를 보여줬지만 s

flatfish_selfish

This post summarizes World-GAN, a generative model for Minecraft world

flatfish_selfish

This post contains brief summary of generative adversarial networks, a.k.a. GAN.

sungwookai

특별히 모르는 내용은 존재하지 않았다.두 가지 Network를 학습시키는 것다른(적대적인) 목표를 가지고 있다.Generator는 Discriminator를 속이기 위해 / Discriminator는 Generator에게 속지 않기 위해 학습Generator / Dis

bolero2

MSE, CEE 그리고 MLE에 대해서 살펴보겠습니다.

pchan1018

오토인코더: 레이블 되지 않은 훈련 데이터를 이용해서 latent representation을 학습하는 인공신경망이러한 (latent representation 또는 coding)은 낮은 차원을 가진다.특징: 1\. 특성 추출기로 작동하니까 비지도 학습에 사용 됨2\.

kong2520

StyleGAN은 PGGAN구조에서 Style transfer 개념을 적용하여 generator architecture를 재구성한 논문이다. 이론 인해 PGGAN에서 불가능했던 style 을 scale-specific control이 가능하게 되었다.특징 512차원의

kong2520

최초의 Neural Style Transfaer 를 제안한 Gatys의 Style Transfer 방식은 다양한 Style을 Arbitrary 하게 (그때 그때 새로운 스타일을) 적용할 수 있는 반면에, 굉장히 느린 속도로 style transfer 를 수행한다는 단점

j_hyuny_6

월요일 💻강의 6강 CNN Visualization Embedding feature analysis Nearest neighbors in a feature space feature vector로부터 original database image를 찾는다 limitation : 전체적인 그림 파악이 어려움 Dimensionality reduction 고차원 f...

kong2520

DCGAN (Deep Convolutional Generative Adversarial Nets)논문 : Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networ

kong2520

GAN : 적대적 생성자(generator)와 판별자(discriminator) 두 개의 네트워크를 활용한 생성모델 목적 함수 (obejective function)를 통해 생성자는 이미지 분포(=: 연속확률분포) 를 학습 실제로 나중에 학습이 다 된 후에는 생성자

minvelog

Supervised Learning 학습하는 모델 : Discriminative Model 특정 Input image가 들어왔을 때 학습을 하게 됨 Unsupervised Learnin 학습하는 모델 : Generative Model Training data의 분포를 학습을 하는 것이 목표 **Generative Model의 목표는 실제 data의 분포에 ...

tjdrms0120

import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltK = tf.keras.backendclass Sampling(tf.keras.layers.Layer): def call(self, i

0601p

GAN 논문이 나올 당시까지는 생성 모델들이 많지 않았다. 그에 비해 Classification과 같은 Task를 수행하는 모델들이 발전하고 있는 시기라고 할 수 있었는데, GAN의 등장으로 생성 모델들이 비약적으로 발전했다고 해도 과언이 아닐 것 같다.이름에서 알 수

gwak2837

PGGAN의 단점을 해결하기 위해 StyleGAN이 등장했다. PGGAN에선 latent 입력(z)이 계층마다 해상도가 2배씩 증가하는 여러 개의 이미지 생성 계층을 통과하며 이미지를 생성했다면, StyleGAN에선 latent 입력(z)이 Fully-connected

gwak2837

GAN과 Diffusion 싸움수준 ㄹㅇ실화냐? 진짜 세계관최강자들의 싸움이다.. 그 찐따같던 GAN이 맞나? 진짜 GAN은 전설이다. 진짜 옛날 2014년부터 GAN 봐왔는데 왕 같은 존재인 StyleGAN에서부터 세계최강 전설적인 영웅인 GigaGAN까지 보면 진짜