논문 (3) 썸네일형 리스트형 [논문 읽기] DRIT ++ 코드와 함께 이해하기, 논문 설명 기본적인 인코딩&디코딩 우선 도메인 A에 있는 이미지들이 인코더 A를 통과하여 콘텐츠 latent vector와 특성 latent. Vector를 출력합니다. B도 마찬가지로 진행합니다. 이후 콘텐츠 latent vector를 서로 교차하여 넣어주고, 특성 latent vector는 각 도메인에 맞게 Generator에 넣어줍니다. A Generator의 경우 도메인 a 특성 latent vector, b 콘텐츠 latent vector를 입력 값으로 받는다고 보시면 됩니다. B Generator의 경우 반대입니다. Reconstruction 과 랜덤 이미지 생성 3의 경우 Reconstruction loss를 위한 항입니다. A 도메인 본래의 특성 latent, 콘텐츠 latent를 A Generato.. [논문 읽기] Exploring the structure of a real-time, arbitrary neuralartistic stylization network 1 이전 논문은 이미지 하나당 optimization을 해야했다면 이 논문은 이런 점을 보완했다. (2015) A Neural Algorithm of Artistic Style 각각의 loss가 있다. style 이미지가 주어지면 style 예측 네트워크 P에서 S를 추출한다. 이게 style tranfer 네트워크 T에 콘텐츠 이미지 (입력이미지) 입력된다. 콘텐츠 이미지와 S가 T에 더해져 스타일이 입혀진 이미지가 생성된다. - Style loss 스타일이 입혀진 이미지 VS 스타일 이미지 - Content loss 스타일이 입혀진 이미지 VS 콘텐츠 이미지 각각 거리를 최소화하는 방식으로 작동하기에, 콘텐츠의 내용을 잃지 않으면서 스타일을 학습할 수 있는 것이다. 두 이미지 Content가 유사하다 :.. gan 논문에 등장하는 artifact 뜻? 사전에서 artifact는 “인공물“, “유물” 이란 뜻이다. Many observers have noticed characteristic artifacts in images generated by StyleGAN [3] - sytlegan2에 등장하는 글귀이다. gan은 그럴싸하게 원본 이미지와 최대한 유사한 가짜 이미지를 만들어 내는 것이다. 이때, artifact란 단어는 gan의 목적에 비추어볼 때, 생성한 이미지가 어떤 지와 관련됐다. 즉, 이 이미지가 진짜 이미지와 다르게 뭔가 인공적고, 인위적이라고 느껴지는 결점이나 옥에 티를 의미한다고 할 수 있겠다. 이미지 생성시 발생하는 특징적인 결점들이 있다.라고 의역하는 게 옳을 듯 https://arxiv.org/pdf/1912.04958.pdf 이전 1 다음
