💌 Developer Onlyone

Training Details 1. Generator G U-Net 은 처음의 detail 이 바로 마지막까지 전달 가능 → detail 간직이 잘 된다는 장점이 있음. 그러나, 두 data set(그림 - 사진 ; 비슷하다고 봄) 이 비슷한 경우에는 skip connection을 많이 사용 하려고 함(고해상도를 위해). skip connection 에는 depth가 많이 없음. → 생성되는 결과물이 별로 만족 스럽지 못함. 위의 단점을 극복 해 낼 수 있는 ResNet을 사용 depth가 있으면서, detail을 간직 할 수 있음. 이미지의 퀄리티면에서 가장 좋은 결과물을 냄 메모리를 많이 사용 → 생성 할 수 있는 parameter 수가 적음 ⇒ 많은 형태 변화를 만들어 낼 수 없는 단점 존재 Bot..

https://youtu.be/Fkqf3dS9Cqw Cycle GAN 논문 저자님의 발표강의 영상 Cycle GAN 사진으로 구성되어 있는 2가지의 data set 을 이용하여 한 이미지를 다른 이미지의 style로 변환 How does it work? pix2pix GAN Cycle GAN pix2pix input 과 out이 모두 사진이어야 하는 supervised learning framework Goal : 흑백사진은 컬러사진으로 바꿔주는 neural network train test 흑백 → ? train 도형→사진 test 도형→? Loss : output G(x) and ground truth y 의 차이를 최소화 → 어떤 것이 가장 옳은 것인지 (사람은 알 수 있으나) 판단 할 수 없으므로..