Current Result Document :
| 한글제목(Korean Title) |
푸리에 영역에서 학습률 조절을 통한 적대적 생성 모델의 고주파 영역 성능 향상 |
| 영문제목(English Title) |
Equalizing Learning Rate in Fourier Domain for GANs Improving High Frequency Details of GAN-generated Images |
| 저자(Author) |
박준호
허재필
Junho Park
Jae-Pil Heo
|
| 원문수록처(Citation) |
VOL 49 NO. 02 PP. 1073 ~ 1075 (2022. 12) |
한글내용
(Korean Abstract) |
적대적 생성 신경망(GAN)의 목적은 주어진 학습 데이터셋의 분포에 속하는 새로운 데이터를 생성하는 것이다. State-of-the-art 모델들은 이러한 목적을 달성하여 실제 사진과 같은 이미지들을 생성해내고 있지만, 이미지 내의 고주파 영역에서 아티팩트를 생성하는 문제를 겪고 있다. 본 연구는 학습 데이터들의 주파수별 푸리에 진폭(Fourier magnitude)의 크기 차이로 인해 적대적 학습의 목적 함수에 편향이 생기고 이에 따라 고주파 영역의 학습에 문제가 생길 수 있음을 주장한다. 이를 해결하기 위해 판별기(Discriminator)의 convolution network에 푸리에 변환 기반의 특징점 (Fourier feature)을 활용한 커널 모듈화 기법을 적용하여 푸리에 영역(Fourier domain)에서 학습률을 조절한다. 이를 통해 이미지의 고주파 영역을 더 잘 생성할 수 있었고, 자연 이미지 데이터셋에서 기존 모델 대비 좋은 성능을 확인하였다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
