생성과 표현의 결합
인코더와 생성기의 매핑을 동시에 학습해 생성 능력과 표현의 성질을 함께 다룬다. GAN 학습 절차의 개선을 활용할 수 있는 일반적인 오토인코더 구조로 제안됐다.
두 가지 구조의 평가
MLP 인코더에 바탕을 둔 구조와 StyleGAN 생성기를 이용하는 StyleALAE를 설계했다. 두 구조에서 표현의 분리 성질을 검증해 생성과 표현 학습을 함께 평가했다.
재구성과 이미지 조작
StyleALAE는 원 연구에서 1024×1024 얼굴 이미지 생성과 같은 해상도의 재구성 및 실제 이미지 기반 조작을 수행했다. 인코더를 통해 관측 이미지를 다루는 능력을 생성기와 결합하는 접근이다.
관련 문서
학습된 특징 기반 VAE 재구성 / BiGAN과 ALI / BigBiGAN / 적대적 오토인코더 / 변분 오토인코더 / 잠재 변수