1주차 정리를 못 해서.. 한 번에 할게요!
GAN은 Generator와 Discriminator 두 개의 네트워크 구조를 가짐.
object function
D(G(z))를 1에 가깝게 만들어 object function을 최소화한다. 즉, 생성하는 이미지가 실제 이미지와 가깝도록 하여 실제 데이터가 가지는 정규 분포를 따라가도록 한다.
But
초기 학습 시에는 생성된 이미지가 단순한 랜덤 노이즈임. 따라서 Discriminator가 바로 샘플을 제껴버리는데 이때 log(1 − D(G(z))) 부분에서 saturation을 일으킴.
(saturation = 기울기가 0이 되어 더 이상 가중치를 update할 수 없게 되는 현상)
generator의 object function
→ log D(G(z))를 최대화하는 방향으로 학습!