단순화한 프레셋 거리를 이용한 적대적 생성 신경망의 모드 드롭 및 붕괴 검출 기법 


46권  10호, pp. 1012-1019, 10월  2019
10.5626/JOK.2019.46.10.1012


PDF

  요약

적대적 생성 신경망은 두 개의 네트워크를 적대적으로 학습시켜 원본 데이터 분포를 추정하고, 이를 기반으로 데이터를 생성하는데 탁월한 모델이지만, 학습 도중 분포를 학습하지 못하는 모드 드롭 현상이나 하나 또는 매우 적은 분포의 샘플만을 생성하는 모드 붕괴 현상이 종종 나타난다. 이 현상을 감지하기 위해 기존 연구들은 학습 데이터를 통제하거나 별도의 신경망 모델을 학습시켜야 하는 한계점을 보였다. 이에 본 논문은 프레셋 거리를 단순화하여 추가적인 모델이나 학습 데이터의 제한 없이 모드 붕괴를 검출하는 기법을 제안한다. 다양한 실험을 통하여 제안하는 거리 척도가 기존의 적대적 생성 신경망에 적용된 척도에 비해 더욱 효과적으로 모드 드롭 및 붕괴를 검출할 수 있음을 보인다.


  통계
2022년 11월부터 누적 집계
동일한 세션일 때 여러 번 접속해도 한 번만 카운트됩니다. 그래프 위에 마우스를 올리면 자세한 수치를 확인하실 수 있습니다.
  논문 참조

[IEEE Style]

C. Kim, S. Jung, J. Moon, E. Hwang, "Detecting Mode Drop and Collapse in GANs Using Simplified Frèchet Distance," Journal of KIISE, JOK, vol. 46, no. 10, pp. 1012-1019, 2019. DOI: 10.5626/JOK.2019.46.10.1012.


[ACM Style]

Chung-Il Kim, Seungwon Jung, Jihoon Moon, and Eenjun Hwang. 2019. Detecting Mode Drop and Collapse in GANs Using Simplified Frèchet Distance. Journal of KIISE, JOK, 46, 10, (2019), 1012-1019. DOI: 10.5626/JOK.2019.46.10.1012.


[KCI Style]

김충일, 정승원, 문지훈, 황인준, "단순화한 프레셋 거리를 이용한 적대적 생성 신경망의 모드 드롭 및 붕괴 검출 기법," 한국정보과학회 논문지, 제46권, 제10호, 1012~1019쪽, 2019. DOI: 10.5626/JOK.2019.46.10.1012.


[Endnote/Zotero/Mendeley (RIS)]  Download


[BibTeX]  Download



Search




Journal of KIISE

  • ISSN : 2383-630X(Print)
  • ISSN : 2383-6296(Electronic)
  • KCI Accredited Journal

사무국

  • Tel. +82-2-588-9240
  • Fax. +82-2-521-1352
  • E-mail. chwoo@kiise.or.kr