2. CGAN(Conditional Generative Adversarial Network)

 

 

목차

• Abstract
• Introduction
• Conditional Adversarial nets
• Experiments
• References

 

Abstract

 

생성모델을 학습시키는 GAN을 기반으로 GAN의 조건부(Conditional) 버전으로 기존 모델에 간단히 y를 추가하여 만든 적대적 신경망을 소개합니다.

CGAN이 class label(0~9)에 맞는 MNIST 이미지를 생성할 수 있음을 보여줍니다.

또한 이 모델이 multi-modal 모델에 어떻게 사용될 지, 또 이미지 태깅에 어떻게 응용 가능할 지를 설명합니다.

 

 

Introduction

 

CGAN

• GAN 모델과 비교하여 c가 추가되었고 나머지는 같습니다.
• C는 class label 등에 기반할 수 있습니다.
• original GAN에서는 불가능 했었던, 생성 데이터에 대한 제어가 가능해 집니다.

 

 

Conditional Adversarial nets

 

• Original Gan

original gan 목적함수

• CGAN

CGAN 목적함수

위는 GAN과 CGAN의 목적함수입니다. GAN에서 input 데이터가 x 였다면, CGAN에서는 input 데이터가 x|y 입니다.

조건부 데이터를 입력으로 받는다는 이야기 입니다.

 

original GAN에서 input 데이터에 추가정보 y라는 조건이 붙는다면(y를 같이 input한다면) 조건부 생성 모델을 만들 수 있습니다.

y는 어떤 보조정보라도 될 수 있는데, class label이나 다른 modality의 데이터 등이 될 수 있습니다.

 

Experiment

CGAN

실험 결과로 위 이미지와 같이 condition을 통해 0~9 중 원하는 이미지를 생성할 수 있습니다.

 

소스코드: https://github.com/djkim1991/cgan