- …
- …
#233
summarized by : Shunsuke Nakatsuka
どんな論文か？
最近のGANはhigh qualityかつdiverse，disentangledな生成が可能であるが，GANの写像は潜在変数からデータ分布のみであり，データ分布から潜在特徴を抽出することはできない．この論文では，GANと同じ生成能力を持ったGAN with Encoderの枠組みを提案する．
新規性
Style GANの構造とAutoencoderを組み合わせ，潜在変数をより複雑な表現へ変換するF，Fで得られた特徴をデータに写像するGenerator G，Gで得られたデータを潜在変数に変換するEncoder E，その潜在変数を真偽判定するDiscriminator Dの4つのNNから構成．F◦GはGenerator，E◦DはDiscriminator，G◦EはAutoencoderとみなせる．
結果
FFHQ，LSUN BedroomではFID：13.09, 17.13でありOriginalのStyle GANに及んでいないものの，PPLは大幅改善（Full: 134.5，End：103.4）
その他（なぜ通ったか？等）
- …
- …