픽셀 오류의 대안
같은 의미를 가진 자료라도 위치나 세부 픽셀 값은 달라질 수 있다. 이 연구는 학습한 표현으로 자료 공간의 유사도를 측정해 원소별 오류에 의존하는 재구성을 바꾸려는 방법이다.
판별 특징을 이용한 목적
VAE와 GAN을 결합하고 판별기의 특징 표현을 VAE 재구성 목적의 기반으로 사용한다. 특징별 오류로 분포를 포착하면서 위치 이동 같은 변화에 덜 민감한 비교를 구성한다.
재구성과 잠재 조작
얼굴 이미지에서 원소별 유사도를 사용하는 VAE와 시각적 충실도를 비교했다. 잠재 표현의 간단한 산술로 높은 수준의 시각 특징을 바꾸는 실험도 제시했다.
관련 문서
변분 오토인코더 / 적대적 오토인코더 / ALAE / 적대적 변분 베이즈 / 생성적 적대 신경망 / 표현 학습