선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 경계평형 BEGAN은 오토인코더 손실을 도입한 다음 생성된 이미지와 실제 이미지의 오토인코더 손실 분포 사이의 wasserstein 거리에 대한 하한 값을 최적화하는 것이 목적이다. 판별기(D)에 오토인코더를 사용하고 경계평형 방법을 제안하여 훈련 중에 생성기(G)와 판별기(D)의 균형을 유지한다.
- 본 논문은 GAN 계열 신경망에서 모델별로 개선된 손실함수들을 분류하고 특징을 분석한다.
- 본 논문은 GAN 모델의 이미지 처리에서 손실함수(loss function)의 필요성을 설명하고, 7개의 GAN 모델에서 사용하는 손실함수에 대하여 개선된 방법별로 분류하고 특징을 분석하였다. 손실함수는 생성된 이미지와 실제 이미지와의 오차를 최소화하기 위한 중요한 지표이다.
- 손실함수는 생성된 이미지와 실제 이미지와의 오차를 최소화하기 위한 중요한 지표이다. 본 논문은 GAN의 이미지 분류에 사용하는 시그모이드 크로스 엔트로피 손실함수에 대한 단점을 개선한 CGAN, WGAN, WGAN-GP, EBGAN, BEGAN, LSGAN를 소개하고 모델별로 손실함수에 대하여 비교분석하였다. 비교 분석한 결과 모든 판별기에 손실함수의 개선된 방법을 적용하고 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.