A study on the performance of generative adversarial networks

대립생성망(generative adversarial networks, GAN)은 실제 자료와 유사한 자료를 만들어주는 생성형 딥러닝(generative deep learning) 모형이다. 2014년에 발표된 이래로 많은 파생 모형들이 개발되어 다양한 분야에 활용되고 있다. 본 연구에서는 성능이 우수하다고 평가된 파생 GAN들을 요약 및 정리하고 성능을 비교하였다. 그리고 GAN의 입력 잠재공간 (input latent space)의 적절한 차원크기를 추정하고 생성자료의 품질을 평가하는 프레쳇 인셉션 거리 (Fréchet Inception distance, FID)와 인셉션 점수(Inception score)의 적절성도 평가하였다. 실험결과 GAN-NS와 LSGAN이 안정적으로 우수한 성능을 보였으며 FID가 더 좋은 측도로 평가되었다. 그리고 잠재공간은 10차원에서도 전형적인 100차원과 차이가 없는 좋은 결과를 보였다.