반응형
해당 내용은
https://sunho99.tistory.com/entry/6%EC%A3%BC%EC%B0%A8-Day22-Pix2Pix-CVPR-2017
의 연장선 입니다.
서론
- Pix2Pix는 서로 다른 두 도메인 X,Y의 데이터를 한 쌍으로 묶어 학습을 진행합니다.
- 이 한쌍으로 묶이지 않은(unpaired) 데이터 셋에 대해서는 CycleGAN을 이용해 해결 가능합니다.
CycleGAN
- unpaired한 데이터 셋을 학습합니다.
- 순환 일관성 손실 함수(Cycle Consistency Loss Function)을 사용합니다.
CycleGAN의 문제 상황
- 별도의 제약 조건 없이 단순히 입력 이미지 x의 일부 특성을 타겟 도메인 Y의 특성으로 바꾸고자 한다면 어떤 입력이든 상관없이 특정한 도메인에 해당하는 하나의 이미지만 제시하게 될 수도 있습니다.
CycleGAN 개요
- CycleGAN은 g(x)가 다시 원본 이미지 x로 재구성 될수 있는 형태로 만들어지도록 합니다.
- 이를 통해 원본 이미지의 content는 보존하고 도메인과 관련한 특징을 바꿀 수 있습니다.
- 이를 위해 2개의 변환기를 사용합니다.
- G : X -> Y
- F : Y -> X
- Cycle-constistency loss를 사용합니다.
CycleGAN의 손실 함수
추가적으로 공부내용을 정리하는데 아직 CycleGAN에 대한 개념이 정확히 잡혀있지 않은거 같습니다. 해당 글은 좀더 공부를 한후 추가적으로 수정하도록 하겠습니다.
참고사이트
'AI_Bootcamp' 카테고리의 다른 글
| 6주차 Day22 Pix2Pix 실습 코드 with 나동빈멘토님 (0) | 2022.02.10 |
|---|---|
| 6주차 Day22 Pix2Pix( CVPR 2017) (0) | 2022.02.10 |
| 6주차 Day21 GAN: Generative Adversarial Networks (0) | 2022.02.07 |
| 4주차 Day20 Lenet, Alexnet, VCG-16-net, Resnet (0) | 2022.02.06 |
| 4주차 Day19 Deep Learning ANN,DNN,CNN 비교 (0) | 2022.02.01 |
