[논문 리뷰] GAN - DCGAN (arxiv 2015)

CNN을 활용한 분류 모델을 어느 정도 공부하고 난 후, 관심 분야인 GAN에 대해 공부하기 시작했습니다. 블로그에 올라오는 글들은 원 논문 및 논문 관련 설명들을 참고하여 작성한 것입니다. GAN은 딱히 코드를 구현하지 않고 논문 분석에 많이 집중을 했습니다. (구현하기 좀 어려운 것 같아서..) 설명에 틀린 부분이 있을 수 있습니다. 정중하게 지적해주시면 참고하겠습니다.

 

---

원 눈문: https://arxiv.org/abs/1511.06434

 

DCGAN을 한 마디로 다음과 같이 말 할 수 있겠습니다.

 

“DCGAN은 기존 GAN에 Convolution layer를 추가하고 다양한 시도 끝에 최적 성능을 뽑아내는 구조를 만들어 학습을 좀 더 안정적으로, 잘 되게 만들었다. 그뿐만 아니라 실험 결과를 다양하게 분석해 CNN의 블랙박스 문제를 해결하려 하거나 새로운 시도를 해보았다는 점, 그리고 generator의 학습 기준을 제시했다는 점에서 그 의미가 아주 크다.”

 

참고 사이트:

http://jaejunyoo.blogspot.com/2017/02/deep-convolutional-gan-dcgan-1.html

https://angrypark.github.io/generative%20models/paper%20review/DCGAN-paper-reading/

 

참고 코드(케라스):

https://github.com/eriklindernoren/Keras-GAN/blob/master/dcgan/dcgan.py