GAN의 점진적인 성장

It matters because it made stable, megapixel-quality GAN synthesis practical for the first time.

Karras 등이 소개했습니다. (NVIDIA) 2017년 ProGAN(Progressive Growth)은 GAN 훈련의 불안정성과 느린 속도를 고해상도에서 직접 해결했습니다. 생성기와 판별기 모두 4x4 픽셀로 작게 시작하여 대규모 구조만 학습합니다. 그런 다음 훈련 과정에서 두 네트워크에 대칭적으로 해상도를 두 배(8x8, 16x16, 최대 1024x1024)로 늘리는 새 레이어가 추가됩니다. 결정적으로 각각의 새로운 레이어는 선형 알파 블렌드를 사용하여 부드럽게 페이드 인되므로 갑작스러운 아키텍처 변경으로 인해 네트워크가 충격을 받지 않습니다. 미세한 세부 사항보다 거친 특징을 학습함으로써 훈련이 더 안정적이고 더 빠르게 수렴되며 CelebA-HQ 결과를 유명하게 만든 충실도 높은 얼굴을 생성합니다. 또한 이 논문에서는 훈련을 더욱 안정화하기 위해 미니배치 표준편차와 균등화된 학습률을 도입했습니다.