GAN
-
cs236 9-10장 Generative Adversarial Networks(GAN)논문 리뷰/cs236 2024. 7. 29. 12:19
Generative model 복습을 위해 CS236 강의를 듣고 정리해보고자 한다.피피티는 아래 페이지를 참고하면 된다.https://deepgenerativemodels.github.io/ ※ PPT의 내용 정리와 더불어 같이 보면 좋을 자료들을 정리했습니다. 강의를 보고 이해한대로 작성했기 때문에 부정확한 내용이 포함되어 있을 수 있음을 알려드립니다. 또한 참고한 모든 블로그와 유튜브는 출처(Reference)에 있습니다. Recap앞서 배운 내용들을 다시 상기시켜보자.- Autoregressive Model- VAE(Variational Autoencoder)- Normalizing Flow Models 이 세 모델은 모두 KL divergence $D_{KL}(p_{data}||p_{\theta..
-
GAN을 어떻게 학습할 것인가(How to Train a GAN?)논문 리뷰/Generative Model 2024. 7. 18. 17:42
GitHub - soumith/ganhacks: starter from "How to Train a GAN?" at NIPS2016 GitHub - soumith/ganhacks: starter from "How to Train a GAN?" at NIPS2016starter from "How to Train a GAN?" at NIPS2016. Contribute to soumith/ganhacks development by creating an account on GitHub.github.com cs236을 듣다가 알게된 페이지인데 흥미로워서 한국어로 정리해보고자 한다.정확한 내용은 위에 페이지를 참고하면 된다! 1. Normalize the inputs : 입력값을 정규화하자-1에서 1사이의 값으로..
-
GAN 논문리뷰(Generative Adversarial Nets)논문 리뷰 2024. 7. 18. 16:22
GAN 논문에 대해 정리해볼 예정이다.이 논문은 14년도 NIPS에 Generative Adversarial Nets라는 이름으로 게재되었으며 Goodfellow, Bengio 등 개쩌는 사람들이 작성에 참여한 것을 알 수 있다. 이제는 너무나 많이 알려진 개념이라서 논문 자체가 어렵게 느껴지진 않지만 꼼꼼히 리뷰해보고자 한다. 또한 GAN 관련 강의는 cs236 9, 10장에서 자세히 다루고 있어서 한 번쯤 보는 걸 추천한다! Abstract 이 논문의 모든 것이 Abstract에 있다고 해도 과언이 아니다. 생성자 G는 data distribution을 학습하기 위해, 판별자 D는 training data와 G가 생성한 샘플을 구분하기 위해 존재하는 모델이다. 이 두 모델은 동시에 학습되며, 이상적..