2020/11(4)
-
[논문 리뷰] Energy-Based Generative Adversarial Networks
GAN을 에너지 기반 관점에서 바라보며, 이를 위해 GAN과 Auto-encoder를 결합한 네트워크 구조를 제안한다. 주어진 데이터에 대해서 data manifold 공간 상에 포함되는 경우에 낮은 energy, 그 외에는 경우인 contrastive sample에 높은 energy를 배정할 수 있는 "energy function" (또는 "contrast function")를 Auto-encoder 구조를 가진 Discriminator로 두어 adversarial training을 수행한다. Network Architecture 왜 Discriminator의 구조를 Auto-Encoder로 두어야하는가? Energy is Reconstruction Loss: ||Dec(Enc(x)) -x||. Rea..
2020.11.27 -
[논문 리뷰] Freeze the Discriminator:a Simple Baseline for Fine-Tuning GANs
Authors: Sangwoo Mo, Minsu Cho, Jinwoo Shin Affiliation: KAIST, POSTECH Conference: CVPR 2020 slide Motivation GAN은 오랜 학습 시간 + 많은 학습 데이터를 필요 BigGAN is trained on 1M of images for 120 GPU days Current state-of-the-art GANs, however, often require a large amount of training data and heavy computational resources, which thus limits the applicability of GANs in practical scenarios. Previous Works Wh..
2020.11.21 -
[논문 리뷰] Precise Recovery of Latent Vectors From Generative Adversarial Networks
Conference: ICLR 2017 Authors: Zachary C Lipton, Subarna Tripathi Affiliation: University of California, San Diego. Contribution: stochastic clipping GAN에서 주어진 이미지의 latent code를 복원하는 과정에서 latent code z에 stochastic clipping 을 제안 간단히 구현 가능하며, 기존 방식보다 더욱 정확하고 노이즈에 강건한 복원을 간단하게 가능케 함. 또한, 학습할 때 사용하지 않은 도메인의 이미지를 projection 하는 과정에서도 유의미한 encoding을 보인다. Introduction 본 논문에서는 gradient 기반으로 GAN에서 주어진 이미지..
2020.11.18 -
[논문 리뷰]Unsupervised Representation Learning By Predicting Image Rotations
Authors: Spyros Gidaris, Praveer Singh, Nikos Komodakis ICLR 2018 "Self-supervised" Learning의 한 연구 사례로, 매우 간단하게 네트워크에게 중요한 feature를 학습하도록 할 수 있다. 이전에 발표된 self-supervised 방법론보다 훨씬 쉽고 + 효과적이다. In the above formulation, the geometric transformations G must define a classification task that should force the ConvNet model to learn semantic features useful for visual perception tasks (e.g., object det..
2020.11.05