윤제로의 제로베이스

Introduction VAE Loss 는 Samping 된 Latent Vector에서 본래 이미지가 잘 생성되는지에 대한 Reconstruction term과 생성 데이터에 대한 통제를 위해 latent vector가 prior 분포를 따르도록 하는 Regularization term으로 이뤄어져 있다. 이에 대한 가중치를 부여하여 VAE의 Blurry한 이미지를 줄여보자! Main Method 이미지 생성기에 z가 아닌 v, w를 집어 넣는다. 이때 v는 conditionally independent factors로 disentagle하기 원하는 요소를 의미하고 w는 conditionally dependent factors로 알고자 하는 부분은 아니다. Generative model은 data x와..

Introduction Generative model의 경우 one-to-many mapping을 목표로 한다. 따라서 이를 수해하기 위해서 Deep Conditional Generative Model이 필요하다. 즉, 고차원의 Ouput Space를 Input에 conditional 된 Generative Model이 필요하다는 것이다. 이것으로 쓰일 것이 바로 CVAE이다. VAE 아래와 같은 수식으로 모델링 된 모델을 우린 VAE라고 칭한다. Deep Conditional Generative Models for Structured output Predicted 여기서 쓰이는 변수는 총 3개이다. Input x, Output y, 잠재변수 z. x가 주어졌을 때 z의 확률변수를 표현한다면 p(z|x)..

Auto-Encoder Auto-Encoder란 input image를 가장 잘 표현하는 compressed representation을 찾기 위한 Encoder학습 모델이다. Variational Auto-Encoder Auto-Encoder의 주 목적은 Encoder를 잘 학습하는 것이었다면 Variational Auto-Encoder의 경우 Decoder의 학습이 주 목적이다. 즉 VAE에서 Encoder는 Generative Model, Decoder를 만들기 위해 사용하는 도구에 불과하다. 여기서 포인트는 VAE는 Generative Model이다..! Decoder 좋은 Generator 즉 Decoder가 되기 위해 우린 Decoder가 학습하게 되는 확률분포 p(x)를 최대화하는 것이 목표..