styleGAN 학습을 위한 여정 4

진짜 며칠동안 이것도 해보고 저것도 해보고 수많은 피라미터들과 씨름을 해온 결과

데이터셋이 문제인 것을 알았다.

 

GAN의 학습은 latent vector에서 생성된 이미지의 확률분포를 실제 이미지의 확률분포에 근사시키는 과정인데

 

내 데이터셋은 이미지가 다양하지 않고 몇개씩 비슷한 이미지들이 꽤 많아서 바닐라GAN을 쓰기도, 조건부 GAN을 쓰기도 애매한 그런 위치에 있다.

 

보통의 GAN 학습에 쓰이는 데이터셋이 이런 고른 분포이고

 

조건부 GAN에는 이런 라벨별로 분류된 데이터가 쓰이는데

 

 내 데이터셋은 뭔가 이런 느낌. 그냥 GAN을 쓰기엔 유사한 이미지들이 몇개씩 뭉쳐있고, 조건부 GAN을 쓰기엔 너무 종류가 많은데다 라벨별 데이터가 50개도 안된다.

 

그래서 일단 그냥 GAN을 쓰고 정답이 아닌 이미지를 같이 학습시켜서 결정 경계 안을 좁게 만드는 방법이 좋아 보인다.